Dokumentation
ROS und ROS-Erweiterungen
Das Robot Operating System (ROS) ist das am weitesten verbreitete Open-Source-Robotik-Software-Framework, das Software-Bibliotheken bereitstellt, die Sie bei der Entwicklung von Robotikanwendungen unterstützen. AWS RoboMaker bietet Cloud-Erweiterungen für ROS, so dass Sie die ressourcenintensiveren Rechenprozesse, die typischerweise für intelligente Robotikanwendungen benötigt werden, in die Cloud auslagern und lokale Rechenressourcen bereitstellen können. AWS RoboMaker unterstützt die folgenden ROS-Versionen: ROS Kinetic, ROS Melodic und ROS2 Dashing (BETA). Weitere Informationen dazu finden Sie hier:
RoboMaker Cloud-Erweiterungen für ROS umfassen Dienste wie Amazon Kinesis Video Streams für Video-Streaming, Amazon Rekognition für Bild- und Videoanalyse, Amazon Lex für Spracherkennung, Amazon Polly für Sprachgenerierung und Amazon CloudWatch für Protokollierung und Überwachung. RoboMaker stellt jeden dieser Cloud-Services als Open-Source-ROS-Pakete zur Verfügung, so dass Sie die Funktionen Ihres Roboters erweitern können, indem Sie die Vorteile von Cloud-APIs nutzen, und zwar in einem vertrauten Software-Framework.
Weitere Informationen zu den einzelnen Cloud-Service-Erweiterungen erhalten Sie im Code Repository.
Cloud-Erweiterungen für ROS1
Amazon Kinesis Video Streams & Amazon Rekognition ROS-Erweiterung »
Amazon Polly ROS-Erweiterung »
Cloud-Erweiterungen für ROS2
Beispielanwendungen
AWS RoboMaker enthält Beispiel-Robotik-Anwendungen, die Ihnen einen schnellen Einstieg ermöglichen. Diese bilden den Ausgangspunkt für die Sprachbefehls-, Erkennungs-, Überwachungs- und Flottenmanagementfunktionen, die typischerweise für intelligente Robotikanwendungen erforderlich sind. Beispielanwendungen werden mit Robotik-Anwendungscode (Anweisungen zur Funktionalität Ihres Roboters) und Simulations-Anwendungscode (Definition der Umgebung, in der Ihre Simulationen ausgeführt werden) geliefert. Sie können hier mit den Beispielen beginnen.
Hallo Welt
Erlernen Sie die Grundlagen zur Strukturierung von Roboter- und Simulationsanwendungen, Codebearbeitung, Erstellung und Start neuer Simulationen sowie der Bereitstellung von Anwendungen für Roboter. Beginnen Sie mit einer einfachen Projektvorlage mit einem Roboter in einer leeren Simulationswelt.
- Verwenden Sie Gazebo, um neue Simulationswelten zu erstellen, indem Sie Modelle einfügen, die Kameraansicht steuern und eine Simulationsanwendung wiedergeben und anhalten.
- Verwenden Sie Amazon CloudWatch Logs und einen Amazon S3 Output Bucket, um Protokolle für die Roboter- und Simulationsanwendungen anzuzeigen.
- Verwenden Sie das Terminal, um ROS-Befehle auszuführen.
Navigation und Personenerkennung
Erfahren Sie mehr über Roboternavigation, Video-Streaming, Gesichtserkennung und Text-to-Speech. Ein Roboter navigiert zwischen den Zielorten in einem simulierten Zuhause und erkennt Gesichter auf Fotos. Der Roboter streamt Kamerabilder an Amazon Kinesis Video Streams, erhält Gesichtserkennungsergebnisse von Amazon Rekognition und spricht die Namen von erkannten Personen aus, die Amazon Polly verwenden.
- Verwenden Sie „rqt“, um die simulierten Kamerabilder anzuzeigen, die an Amazon Kinesis Video Streams übertragen werden.
- Mit Hilfe von „rviz“ können Sie die SLAM-Karte (Simultane Lokalisierung und Zuordnung) des Roboters und deren Planungszustand anzeigen.
- Über das Terminal können Sie die Ergebnisse der Amazon Rekognition einsehen.
Sprachbefehle
Steuern Sie mit Amazon Lex einen Roboter durch natürlich gesprochene Texte und ihre Stimme in einer simulierten Buchhandlung. Zu den Standardbefehlen gehören unter anderem „bewegen <direction> <rate>“, „drehen <direction> <rate>“ und „stoppen“. Der Roboter bestätigt die einzelnen Befehle und führt sie aus.
- Mit dem Terminal können Sie natürlichsprachliche Bewegungsbefehle senden, die von Amazon Lex interpretiert werden sollen (z. B. „5 vorwärts bewegen“, „5 im Uhrzeigersinn drehen“ und „stoppen“).
- Mit Hilfe von Amazon CloudWatch-Metriken können Sie die Ausführung von Befehlen, Entfernungen zu den nächstgelegenen erkannten Hindernissen und Kollisionen überwachen.
Roboterüberwachung
Überwachen Sie die Zustands- und Betriebskennzahlen für einen Roboter in einer simulierten Buchhandlung mit Hilfe von Amazon CloudWatch-Metriken und Amazon CloudWatch logs. Zu den gestreamten Kennzahlen gehören Geschwindigkeit, Entfernung zum nächsten Hindernis, Entfernung zum aktuellen Ziel, Kollisionszählung, CPU-Auslastung des Roboters und RAM-Auslastung.
- Verwenden Sie Amazon CloudWatch-Metriken, um den Zustand und die Leistung des Roboters zu überprüfen.
- Mit Gazebo können Sie Hindernisse in der Nähe des Roboters fallen lassen und die daraus resultierenden Kennzahlen einsehen.
Objektverfolgung mit Reinforcement Learning
Bringen Sie einem Roboter bei, ein Objekt durch Reinforcement Learning in der Simulation mit Hilfe der Coach Reinforcement Learning-Bibliothek zu verfolgen, und übertragen Sie diese Fähigkeit dann auf einen Roboter. Sehen Sie sich die Belohnungsmetriken in Amazon Cloudwatch-Metriken an, um zu erfahren, wie sich das Machine Learning-Modell im Laufe der Zeit verbessert. Passen Sie Ihre Belohnungsfunktion an, um den für das Training verwendeten Machine Learning-Algorithmus zu verbessern.
- Verwenden Sie Gazebo, um mit verschiedenen Positionen eines zu verfolgenden Objekts zu experimentieren.
- Mit Hilfe von „rviz“ können Sie den Roboter so betrachten, wie er in der Simulation trainiert.
- Trainieren und bewerten Sie Modelle mit Hilfe der Coach Reinforcement-Bibliothek.
Selbstfahren mit Reinforcement Learning
Bringen Sie einem Rennwagen bei, durch Reinforcement Learning mit Hilfe der Coach Reinforcement Learning-Bibliothek in einer Simulation zu fahren, und übertragen Sie diese Fähigkeit dann auf einen Roboter. Sehen Sie sich die Belohnungsmetriken in Amazon Cloudwatch-Metriken an, um zu erfahren, wie sich das Machine Learning-Modell im Laufe der Zeit verbessert. Passen Sie Ihre Belohnungsfunktion an, um den für das Training verwendeten Machine Learning-Algorithmus zu verbessern.
- Mit Hilfe von Gazebo und „rviz“ können Sie den Rennwagen so betrachten, wie er in der Simulation trainiert.
- Verwenden Sie Amazon CloudWatch Logs, um die Leistung eines Autos zu verfolgen.
- Trainieren und bewerten Sie Modelle mit Hilfe der Coach Reinforcement-Bibliothek.
Simulations-Assets
Wir haben zusätzliche Umgebungen erstellt, die Sie mit Ihren Robotern verwenden können. Sie können zum Testen der Gesichtserkennung, der Navigation, der Vermeidung von Hindernissen und des Machine Learning verwendet und für Ihre Szenarien modifiziert werden.
Haus
Ein kleines Haus mit Küche, Wohnzimmer, Fitnessstudio und Bildern, die Sie anpassen können, um die Bilderkennung zu testen. Es gibt viele Hindernisse für Ihren Roboter, um zu navigieren.
Buchladen
Navigieren Sie in diesem simulierten Buchladen durch die Bücherregale. Er enthält verschiedene Hindernisse, darunter Stühle und Tische, für Ihren Roboter zu navigieren.
Rennstreke
Verwenden Sie Machine Learning, um Ihrem Roboter beizubringen, auf dieser Rennstrecke zu bleiben. Die Rennstrecke ist oval mit klaren Kantenmarkierungen. Fertig, auf die Beine, Rennen!
Workshops und Tutorials
Hallo Welt! Erste Schritte mit AWS RoboMaker
In diesem Workshop erfahren Sie mehr über die ersten Schritte bei der Entwicklung von intelligenten Roboteranwendungen mit AWS RoboMaker. Sie haben auch die Möglichkeit, Roboteranwendungen sowohl in einer simulierten Umgebung als auch in einem Produktionsroboter zu verwalten und bereitzustellen (erfordert einen TurtleBot 3 Burger).
Suche nach Marsianern mit AWS RoboMaker und dem JPL Open Source Rover
In diesem Workshop lernen Sie AWS RoboMaker kennen und erfahren mehr über die Simulation des JPL Mars Open Source Rover von der NASA. Dabei erhalten Sie umfassende Informationen zur Integration von AWS RoboMaker in Services wie Machine Learning, Überwachung und Analyse. Durch diese Integration können Sie sicherstellen, dass Ihr Mars Rover Daten streamen, navigieren, kommunizieren, verstehen und lernen kann.
So trainieren Sie einen Roboter mit Reinforcement Learning
Führen Sie ROS mit AWS RoboMaker auf mehreren Computern aus
In vielen Fällen muss ein Roboterentwickler oder -forscher das Roboterbetriebssystem (ROS) auf mehreren Computern ausführen. In diesem Tutorial erfahren Sie, wie Sie ROS auf einer virtuellen Maschine einrichten, die unter AWS ausgeführt wird, wie Sie Ihren physischen Roboter mit der virtuellen Maschine verbinden und wie Sie ein verteiltes ROS-System für mehrere Maschinen erstellen. Dadurch wird die Entwicklung Ihrer Roboteranwendung optimiert.
Ausführen von ROS-Tutorials mit AWS RoboMaker
ROSbot + AWS Robomaker – Schnellstart-Tutorial
Videos zum Einstieg
HW-Entwickler-Kits
Die Entwicklung von Robotern und die Ergänzung fortschrittlicher Funktionen erfordern eine Vielzahl von Entscheidungen auf Seiten der Entwickler. Um Unwägbarkeiten zu vermeiden und die Entwicklung zu beschleunigen, wurden von AWS-Partnern eine Reihe von Robotik-Entwicklungskits erstellt, die vollständige HW-Lösungen, vorab installierte Software sowie umfangreiche Dokumentation und Tutorials umfassen.
Intel – UP Squared RoboMaker Developer Kit
Das UP Squared RoboMaker Developer Kit ist die einfachste Möglichkeit für den Einstieg in Ihr Robotikprojekt powered by AWS RoboMaker. Es handelt sich um ein Starterpaket, das als schnelle und einfache Möglichkeit konzipiert wurde, mit der Entwickler ihren Robotern zu künstlicher Intelligenz (KI) und Sehvermögen verhelfen können. Dieses Kit umfasst ein verständliches Tutorial dazu, wie Hardware von der Modulebene aus erstellt werden kann und wie Cloud-Services zur Verkürzung der Entwicklungszeit eingesetzt werden können. Entwickler konnten ihren Robotern innerhalb eines Tages zu maschinellem Sehen verhelfen und in nur wenigen Tagen funktionierende Robotikdemos erzielen. Mithilfe der Fachkenntnisse von Intel, AWS und AAEON besteht das Ziel dieses Kits darin, Entwicklern einen Weg vom Prototypen hin zur Vor-Ort-Bereitstellung aufzuzeigen.
Dieses Kit umfasst ein UP Squared Board mit Intel® Atom™ Prozessor x7-E3950, Intel® RealSense™ D435i Kamera und Intel® Movidius™ Myriad™ X VPU. Außerdem ist es vollständig kompatibel mit den AWS RoboMaker Cloud-Services und erweitert das Open-Source-Robotik-Software-Framework Robot Operating System (ROS).
Erfahren Sie mehr über das UP Squared RoboMaker Kit und bestellen Sie noch heute
Erfahren Sie mehr über die Partnerschaften mit Intel und Aaeon
.71e2a406fb99c58b15cc16feb27f4c11c20f5d62.png "Open Robotics")
Nvidia – JetBot AI Kit mit ROS und AWS RoboMaker
Nvidia beschleunigt mit AWS RoboMaker die Robotikentwicklung von der Cloud bis an den Netzwerkrand. Robotiksimulation und -entwicklung können jetzt ganz einfach in der Cloud erfolgen und für Millionen von Robotern und andere autonome Maschinen mit Unterstützung von Jetson bereitgestellt werden. Das schließt auch die Open-Source-Referenzplattform von NVIDIA, JetBot mit Unterstützung von Jetson Nano ein. Jetbot lässt sich einfach einrichten und verwenden. Außerdem ist es kompatibel mit einer Vielzahl von Zubehörteilen und bietet interaktive Tutorials, die Ihnen zeigen, wie Sie das Leistungspotenzial von KI hinsichtlich der Verfolgung von Objekten und der Vermeidung von Konflikten nutzen können. Das JetBot AI Kit mit Unterstützung von Nvidia sowie mit ROS und AWS RoboMaker umfasst das Board, ein vollständiges Robotergehäuse, Räder und Controller mit Akku und einer 8-MP-Kamera. Mit dem Kit wird eine umfangreiche Dokumentation bereitgestellt.
Erfahren Sie mehr über das Jetbot Kit und bestellen Sie jetzt
Erfahren Sie mehr über die Partnerschaft mit Nivida.
Qualcomm – Robotics RB3 Platform mit integrierter Unterstützung von AWS RoboMaker
Durch die Unterstützung von AWS RoboMaker von Amazon Web Services durch Qualcomm Technologies werden Innovationen in der Robotik vorangetrieben. Durch hochleistungsfähige heterogene Berechnungen, gerätebasiertes Machine Learning und Computervision, HiFi-Sensorverarbeitung für Wahrnehmung, Odometrie für Lokalisierung, Zuordnung und Navigation, 4G-LTE- und WLAN-Konnektivität, bietet die Qualcomm Robotics RB3 Platform Entwicklern die Tools für die Erstellung von Robotern, mit denen Innovation beschleunigt, die Logistik revolutioniert und der Alltag der Menschen verbessert werden kann. Mit der integrierten Unterstützung von AWS RoboMaker durch das Qualcomm Robotics RB3 Entwicklungs-Kit können intelligente Robotikanwendungen nach Maß entwickeln, testen und bereitstellen. Außerdem kann eine Edge-to-cloud-Lösung angeboten werden, mit der die Entwicklung intelligenter Robotikanwendungen zugänglicher wird.
Hier können Sie mehr über das Qualcomm Robotics RB3 Kit erfahren und direkt kaufen
Erfahren Sie mehr über das Engagement von Qualcomm in Hinblick auf Robotik-Innovationen
Eine Entwicklerdokumentation sowie eine umfangreiche Schritt-für-Schritt-Entwicklerdokumentation sind hier verfügbar: https://developer.qualcomm.com/project/aws-robomaker-rb3.
Weitere Informationen über AWS RoboMaker finden Sie auf der Seite „Häufig gestellte Fragen“.
Sie erhalten sofort Zugriff auf das kostenlose AWS-Kontingent.
Erste Schritte beim Entwickeln mit AWS RoboMaker.
