Software de robótica

En Robot Operating System o ROS, el marco de software robótico de código abierto más utilizado, se proporcionan bibliotecas de software con las cuales se ayuda a crear aplicaciones de robótica. Con AWS RoboMaker se proporcionan extensiones en la nube para ROS, de modo que pueda descargar en la nube los procesos informáticos en los que se emplean más recursos, y que se suelen requerir en las aplicaciones de robótica inteligentes, y así liberar recursos informáticos locales.

Las extensiones en la nube de RoboMaker para ROS incluyen servicios como streaming de videos, con Amazon Kinesis Video Streams; análisis de imagen y video, con Amazon Rekognition; reconocimiento del habla, con Amazon Lex; generación del habla, con Amazon Polly; y registro y monitorización, con Amazon CloudWatch. RoboMaker proporciona cada uno de estos servicios en la nube como paquetes ROS de código abierto, de manera que pueda aprovechar las API de la nube para ampliar funciones en el robot, todo en un marco de un software conocido.

Obtenga más información acerca de cada una de estas extensiones de servicios en la nube en el repositorio de código.

AWS RoboMaker es compatible con la versión ROS Kinetic. Obtenga más información sobre ROS aquí.

Aplicaciones de muestra

Con AWS RoboMaker se incluyen aplicaciones de robótica de muestra para ayudarlo a comenzar rápidamente. Estas son el punto de partida para las capacidades de comando de voz, reconocimiento, monitorización y administración de flota que se suelen requerir en las aplicaciones de robótica inteligente. El código de aplicación de robótica está disponible con las aplicaciones de muestra (instrucciones para la funcionalidad de su robot), junto con el código de aplicación de simulación (definición del entorno donde se ejecutarán las simulaciones). Haga clic aquí para empezar a trabajar con las muestras. 

Hola, mundo

Aprenda los conceptos básicos de cómo estructurar sus aplicaciones de simulación y robótica, editar código, crear, lanzar nuevas simulaciones e implementar aplicaciones en robots. Empiece con una plantilla de proyecto básica que incluye un robot en un entorno de simulación vacío.

  • Use Gazebo para crear nuevos entornos de simulación a través de la inserción de modelos, el control de la vista de cámara y la reproducción y el detenimiento de una aplicación de simulación
  • Use Amazon CloudWatch Logs y un bucket de salida de Amazon S3 para ver registros del robot y aplicaciones de simulación
  • Use el terminal para ejecutar comandos de ROS
 
Obtenga más información en el repositorio de código o en la documentación.

Obtenga más información sobre navegación robótica, streaming de videos, reconocimiento facial y conversión de texto a habla. Un robot puede navegar entre ubicaciones de destino en una casa simulada y reconocer rostros en fotos. El robot transmite imágenes de cámara a Amazon Kinesis Video Streams, recibe los resultados del reconocimiento facial de Amazon Rekognition y reproduce oralmente los nombres de las personas que reconoce mediante el uso de Amazon Polly.

  • Use rqt para visualizar las imágenes de cámara simuladas que se transmiten a Amazon Kinesis Video Streams
  • Use rviz para visualizar el mapa SLAM (localización y mapeo simultáneo) del robot y su estado de planificación.
  • Use el terminal para ver los resultados de Amazon Rekognition
 
Obtenga más información en el repositorio de código o en la documentación.

Comandos de voz

Controle un robot a través de comandos de voz y texto en lenguaje natural en una librería simulada con Amazon Lex. Los comandos predeterminados incluyen "moverse hacia <dirección> <velocidad>", "doblar hacia <dirección> <velocidad>" y "detenerse". El robot reconoce y ejecuta cada comando.

  • Use el terminal para enviar comandos de movimiento en lenguaje natural y que Amazon Lex los interprete (por ej. "moverse hacia adelante 5", "girar en sentido horario 5" y "detenerse")
  • Use Amazon CloudWatch Metrics para monitorizar la ejecución de comandos, las distancias a los obstáculos detectados más cercanos y las colisiones
 
Obtenga más información en el repositorio de código o en la documentación.

Monitorización del robot

Monitorice las métricas operativas y de estado de un robot en una librería simulada mediante el uso de Amazon CloudWatch Metrics y Amazon CloudWatch Logs. Las métricas que se transmiten incluyen velocidad, distancia al próximo obstáculo, distancia al destino actual, número de colisiones, uso de CPU del robot y uso de RAM.

  • Use Amazon CloudWatch Metrics para ver información de rendimiento y estado del robot
  • Use Gazebo, deje obstáculos cerca del robot y vea las métricas resultantes
 
Obtenga más información en el repositorio de código o en la documentación.

Seguimiento de objetos con aprendizaje por refuerzo

Enséñele a un robot a rastrear y seguir un objeto a través del aprendizaje por refuerzo en una simulación mediante Coach Reinforcement Learning Library. A continuación, implemente esta capacidad en el robot. Vea las métricas de recompensa en Amazon Cloudwatch Metrics para saber cuánto ha avanzado el modelo de aprendizaje automático con el transcurso del tiempo. Personalice la función de recompensa para optimizar el algoritmo de aprendizaje automático que se usa para el entrenamiento.

  • Use Gazebo para probar diferentes ubicaciones de un objeto que se desea seguir
  • Use rviz para ver el robot mientras se entrena en modo simulación
  • Use Coach Reinforcement Library para entrenar y evaluar modelos
 
Obtenga más información en el repositorio de código o en la documentación.

Conducción autónoma con aprendizaje por refuerzo

Enséñele a un auto de carrera a conducir en una simulación a través del aprendizaje por refuerzo mediante el uso de Coach Reinforcement Learning Library. A continuación, implemente esta capacidad en el robot. Vea las métricas de recompensa en Amazon Cloudwatch Metrics para saber cuánto ha avanzado el modelo de aprendizaje automático con el transcurso del tiempo. Personalice la función de recompensa para optimizar el algoritmo de aprendizaje automático que se usa para el entrenamiento.

  • Use Gazebo y rviz para ver el auto mientras se entrena en modo simulación
  • Use Amazon CloudWatch Logs para realizar un seguimiento del rendimiento del automóvil
  • Use Coach Reinforcement Library para entrenar y evaluar modelos
 
Obtenga más información en el repositorio de código o en la documentación.

Recursos de simulación

Creamos entornos adicionales que usted puede usar con sus robots. Puede utilizarlos para probar el reconocimiento facial, la navegación, la omisión de obstáculos y el aprendizaje automático. Además, puede adaptarlos a sus propios casos de uso. 

Vivienda

RoboMaker-House

Puede personalizar esta pequeña vivienda con cocina, sala de estar, gimnasio y fotografías para probar el reconocimiento de imágenes. Hay muchos obstáculos que el robot debe detectar.

Más información »

Librería

RoboMaker-Bookstore

Recorra estanterías de libros en esta librería simulada. Incluye diferentes obstáculos, como sillas y mesas, que el robot debe detectar.

Más información »

Circuito

RoboMaker-Racetrack

Utilice el aprendizaje automático para enseñar al robot a permanecer en el circuito. El circuito es ovalado y tiene marcadores de límites claros. Preparados, listos, ¡ya!

Más información »

Talleres y tutoriales

Taller

Hola, mundo Introducción a AWS Robomaker

En este taller, aprenderá a comenzar a usar AWS Robomaker para crear aplicaciones robóticas inteligentes. También tendrá la oportunidad de administrar e implementar aplicaciones robóticas tanto en un entorno simulado como en un robot de producción (se necesita un TurtleBot 3 Burger).

Más información »
Taller

Cómo encontrar marcianos con AWS Robomaker y el explorador de código abierto JPL

En este taller, se familiarizará con AWS Robomaker y aprenderá a simular el explorador de código abierto JPL de la NASA para Marte. Al hacerlo, aprenderá a integrar AWS Robomaker con servicios como aprendizaje automático, monitorización y análisis para que su explorador de marte pueda transmitir datos, navegar, comunicarse, comprender y aprender.

Más información »
Tutorial

Cómo entrenar un robot con el aprendizaje por refuerzo

El aprendizaje por refuerzo (RL) es una técnica avanzada de aprendizaje automático (ML) para aprender comportamientos muy complejos sin necesidad de utilizar datos de entrenamiento etiquetados. Además, puede tomar decisiones a corto plazo, al mismo tiempo que optimiza el sistema para alcanzar objetivos a largo plazo. Use la aplicación de muestra de AWS RoboMaker para generar datos de entrenamiento simulado que se utilizan en el aprendizaje por refuerzo. El modelo de aprendizaje por refuerzo enseñará al robot a seguir un objeto. Esta es una demostración simple que se puede aplicar en casos de uso como la asistencia a un empleado en un depósito o un robot doméstico que sigue a un consumidor dentro de su hogar.
Más información »
Tutorial

Ejecución de ROS en varios equipos con AWS RoboMaker

En muchos casos, los desarrolladores o los investigadores de robótica deben ejecutar ROS en varios equipos. En este tutorial, aprenderá a configurar ROS en una máquina virtual que se ejecuta en AWS, conectar el robot físico a la máquina virtual y crear un sistema ROS distribuido en varios equipos. De esta manera, optimizará el desarrollo de las aplicaciones robóticas.  

Más información »
Tutorial

Tutoriales acerca de cómo ejecutar ROS con AWS RoboMaker

En este tutorial, aprenderá a configurar un entorno en AWS RoboMaker para conocer el Robot Operating System (ROS, Sistema Operativo Robótico). Los tutoriales incluyen las siguientes secciones: introducción a ROS, creación de nodos, cinemática simple para robots móviles, reconocimiento visual de objetos, ejecución de ROS en varios equipos, navegación SLAM, planificación de rutas, exploración de entornos desconocidos y búsqueda de objetos.
Más información »
Tutorial

ROSbot y AWS RoboMaker - Tutorial Quick Start

ROSbot 2.0 de Husarion es una plataforma robótica autónoma de código abierto. Se puede utilizar como una plataforma de aprendizaje para ROS, así como una base para una variedad de aplicaciones robóticas, como, por ejemplo, los robots de investigación, de inspección, de servicios personalizados, etc. En este toturial, lo guiaremos desde la conversión unboxing hasta el lanzamiento y la implementación de aplicaciones con AWS RoboMaker.
Más información »

Videos

Using Reinforcement Learning with AWS RoboMaker (4:17)
Implementación de aplicaciones robóticas mediante el aprendizaje automático con Nvidia JetBot y AWS Robomaker (32:04)

Blogs

No se han encontrado publicaciones de blog en este momento. Consulte el Blog de AWS para obtener otros recursos. 

Product-Page_Standard-Icons_01_Product-Features_SqInk
Consulte las preguntas frecuentes

Obtenga más información sobre AWS RoboMaker en la página de preguntas frecuentes.

Más información 
Product-Page_Standard-Icons_02_Sign-Up_SqInk
Inscríbase para obtener una cuenta gratuita

Obtenga acceso instantáneo a la capa gratuita de AWS. 

Regístrese 
Product-Page_Standard-Icons_03_Start-Building_SqInk
Comience a crear en la consola

Comience a crear con AWS RoboMaker.

Iniciar sesión