共振峰首席执行官表示，NVIDIA Jetson可以为机器人实现混合边缘/云处理

机器人开始在边缘。早期的机器人是巨大的，固定机器在工厂地板上运行，有足够的空间来存储他们在本地需要的小数据。然而，近年来，机器人已经离开了工厂楼层，并在越来越多的环境中移动。这些机器人不再是冰箱大小的自动机冲出小部件。

现在，与其担心工人撞到机器人，不如担心机器人撞到工人。自治系统正在冒险进入的新的非结构化环境总是充满了障碍和挑战。人类可以提供帮助，但我们需要大量实时数据。像这样的公司共振峰已经使用云技术来满足这些需求。通过使用我们的云平台，我们使公司能够远程直观地观察、操作和分析这一波新的机器人舰队。

然而，所有东西都被推到云端的想法开始受到质疑。在中使用集成的GPU内核nvidia.是杰森平台，我们可以将摆锤沿边缘的方向摆动并获得其优点。GPU优化边缘数据处理的组合与Rembant的可观察性和遥操作平台配对可以在盒子中搭建一个有效的命令和控制中心。

使用Jetson设备时，格式用户现在可以在云中启用实时视频和图像分析，并在边缘执行PII擦洗，最终维持更可靠的连接和更好的隐私保护。这也允许更大的云/边缘可移植性，因为相同的算法可以在两个地方运行。这种杂交的模型允许一个人脱离“单尺寸适合 - 所有”解决方案，并选择一个人的内云和设备操作之间的平衡。

找到与尖端编码的平衡

最佳的遥操作体验需要在延迟、质量和计算可用性之间保持适当的平衡。在过去，保持这样的平衡并非易事。从本质上讲，对于一个人试图优先考虑的每一个质量，都会以牺牲其他两个质量为代价。通过应用共振峰的工具和NVIDIA的deepstreamsdk的可移植性，用户可以根据需要重新调整这些平衡，以优化数据管理以满足其特定的用例。

使用Jetson获得的最有用的功能是硬件加速视频编码。当共振峰检测到您使用的是Jetson或兼容设备时，它会解锁自动在边缘执行H.264编码的选项。这使得全运动视频的高质量传输具有显著降低的带宽需求、较低的延迟和较低的存储需求（如果缓冲数据以便稍后检索）。

在衡量一个公司的业绩时遥！系统，延迟是考虑的最重要的标准之一。在处理视频编码时更是如此，这是一个资源极度密集的过程，如果推到极限，很容易引入延迟。

在我们的测试中，在不使用硬件加速度时，每秒30帧每秒1080p分辨率在100％的利用率下窥探所有6个核心。然后这导致将相当数量的延迟引入管道。但是，当我们的Jetson实现被激活时，系统的平均CPU利用率降至25％以下。这不仅显着提高了延迟，它也可以将CPU释放为其他活动。

Jetson可能导致混合机器人的未来

凭借格式体，能够微调和平衡边缘和云中发生的操作。我们认为这种灵活性是机器人业务中的巨大里程碑。想象一下，您的首席财务官说，您的LTE账单太高，您的工程团队决定他们需要使用更便宜的设备和较小的电池，或者刚刚通过了新的数据传输和主权法规。能够确定在边缘所做的内容以及在云上完成的内容，这些换档升降机变得简单，因为检查盒子并摆动摆动摆动。

目前，这些是至关重要的决策，并且必须由工程师决定边缘/云余额的罢工。Rembant提供这些接口，让您轻松调整系统。展望未来，我们设想边缘和云之间的自动动态“负载平衡”。基本上，您将定义规则和预算以优化周围。

例如，当您的机器人连接到Wi-Fi、电源和空闲时，您可以自动利用这些空闲时间和电源利用GPU进行语义标记和数据丰富，然后在带宽便宜的情况下将数据上传到云中。

有明确的理由选择云或者你计算的边缘。同样明显的是，这条线将继续改变和发展。

相关内容：机器人报告播客:远程操作点，谈到制造业的挑战，亚马逊去了购物中心

关于作者：

杰夫·林内尔是共振峰的创始人兼首席执行官。他曾是谷歌产品机器人主管和X“月球工厂”机器人主管