机器人软件

机器人操作系统 (ROS) 是使用最广泛的开源机器人技术软件框架,提供可帮助您构建机器人技术应用程序的软件库。AWS RoboMaker 提供适用于 ROS 的云扩展工具,让您可以将智能机器人应用程序通常需要的资源密集型计算流程转移到云端,从而释放本地计算资源。

适用于 ROS 的 RoboMaker 云扩展程序包含 Amazon Kinesis Video Streams 视频流处理、Amazon Rekognition 图像和视频分析、Amazon Lex 语音识别、Amazon Polly 语音生成以及 Amazon CloudWatch 日志记录和监控等服务。RoboMaker 以开源 ROS 软件包的形式提供各种云服务,因此您可以在自己熟悉的软件框架中通过云 API 来扩展机器人的功能。

请通过代码库了解有关各种云服务扩展程序的更多信息。

AWS RoboMaker 支持 ROS Kinetic 版本。要了解有关 ROS 的更多信息,请参阅此处

示例应用程序

AWS RoboMaker 包含示例机器人应用程序,可帮助您快速上手。这些部分涵盖了智能机器人应用中通常所需的语音命令、识别、监控和队列管理功能的基础知识。示例应用程序包含机器人应用程序代码(机器人功能说明)和模拟应用程序代码(定义模拟将运行的环境)。您可以点击此处开始了解这些示例。 

Hello World

了解如何构建机器人应用程序和模拟应用程序,编辑代码、构建和发布新模拟以及向机器人部署应用程序的基本知识。从基本的项目模板着手,包含空白模拟环境中的机器人。

  • 借助 Gazebo,通过插入模型,控制摄相机视图以及播放和暂停模拟应用程序来构建新的模拟环境
  • 使用 Amazon CloudWatch Logs 和 Amazon S3 输出存储桶来查看机器人和模拟应用程序的日志
  • 使用终端运行 ROS 命令
 
请通过 代码库文档了解更多信息。

了解有关机器人导航、视频流处理、面部识别和文本转语音功能的信息。机器人导航模拟家中的目标位置,并通过照片识别面部。机器人会将摄相机图像流传输到 Amazon Kinesis Video Streams,接收 Amazon Rekognition 中的面部识别结果,然后使用 Amazon Polly 说出所识别人物的姓名。

  • 使用 rqt 查看流传输到 Amazon Kinesis Video Streams 的模拟摄像机图像
  • 使用 rviz 查看机器人的 SLAM(同步定位和地图构建)地图及其计划状态。
  • 使用终端查看 Amazon Rekognition 结果
 
请通过 代码库文档了解更多信息。

语音命令

在模拟书屋中使用 Amazon Lex 通过自然语言文本和语音命令机器人。默认命令包含 “move <direction> <rate>”、“turn <direction> <rate>” 和 “stop”。 机器人会确认并执行每个命令。

  • 使用终端发送 Amazon Lex 解读的自然语言移动命令(例如“move forward 5”、“rotate clockwise 5”和“stop”)
  • 使用 Amazon CloudWatch 指标监控命令执行情况、与最近检测障碍物的距离以及碰撞情况。
 
请通过 代码库文档了解更多信息。

机器人监控

使用 Amazon CloudWatch Metrics 和 Amazon CloudWatch Logs 监控模拟书屋中机器人的运行状态指标。流传输指标包括速度、与最近障碍物的距离、与当前目标的距离、碰撞次数、机器人 CPU 利用率和 RAM 使用情况。

  • 使用 Amazon CloudWatch Metrics 查看机器人运行状况和性能
  • 使用 Gazebo 将障碍物放置在机器人附近并查看相应的指标
 
请通过 代码库文档了解更多信息。

使用强化学习跟踪对象

教会机器人使用 Coach Reinforcement Learning Library 通过强化学习在模拟环境中跟踪对象,然后将此功能部署到机器人。查看 Amazon Cloudwatch Metrics 中的奖励指标,了解机器学习模型是如何逐渐改进的。自定义奖励函数,改进用于训练的机器学习算法。

  • 使用 Gazebo 实验不同的对象跟踪地点
  • 使用 rviz 查看机器人在模拟环境中的训练
  • 使用 Coach Reinforcement Library 训练和评估模型
 
请通过 代码库文档了解更多信息。

使用强化学习自动驾驶

教会赛车使用 Coach Reinforcement Learning Library 通过强化学习在模拟环境中驾驶,然后将此功能部署到机器人。查看 Amazon Cloudwatch Metrics 中的奖励指标,了解机器学习模型是如何逐渐改进的。自定义奖励函数,改进用于训练的机器学习算法。

  • 使用 Gazebo 和 rviz 查看车辆在模拟环境中的训练
  • 使用 Amazon CloudWatch Logs 跟踪车辆的性能
  • 使用 Coach Reinforcement Library 训练和评估模型
 
请通过 代码库文档了解更多信息。

模拟资源

我们创建了更多可以使用机器人的环境。它们可以用来测试面部识别、导航、障碍回避、机器学习,并可以根据您的场景进行改装。 

房屋

RoboMaker-House

一个小房屋,内设厨房、起居室、家庭健身房和图片,您可以自定义这些图片来测试图像识别。有大量障碍物供机器人导航穿行。

了解更多 »

书店

RoboMaker-Bookstore

在该模拟书店导航穿梭于书架。其中包含不同的障碍物供机器人导航穿行,包括椅子和桌子。

了解更多 »

跑道

RoboMaker-Racetrack

使用机器学习来教会机器人保持在该跑道上。该跑道是椭圆形的,边缘设有明显的标记。预备、开始!

了解更多 »

教程

如何使用强化学习训练机器人

强化学习 (RL) 是一种高级机器学习 (ML) 方法,它不需要任何标记的训练数据就可以学习非常复杂的行为,并且可以在针对长期目标进行优化的同时做出短期决策。您可以使用 AWS RoboMaker 示例应用程序来生成用于 RL 的模拟训练数据。RL 模型将教会机器人如何跟踪和追踪一个物体。这是一个简单的演示,可以扩展用于多种用例,例如仓库里的工人助手,或者在家里跟随消费者的娱乐机器人。
 
了解更多 »

视频

通过 AWS RoboMaker 使用强化学习 (4:17)

博客

目前还没有找到任何博客文章。请参阅 AWS 博客,了解其他资源。 

Product-Page_Standard-Icons_01_Product-Features_SqInk
查看常见问题

请通过“常见问题”页面了解有关 AWS RoboMaker 的更多信息。

了解更多 
Product-Page_Standard-Icons_02_Sign-Up_SqInk
注册免费账户

立即享受 AWS 免费套餐。 

注册 
Product-Page_Standard-Icons_03_Start-Building_SqInk
开始在控制台中构建

开始使用 AWS RoboMaker 进行构建。

登录