Documentazione

Software di robotica

Robot Operating System, o ROS, è il framework software di robotica open source più diffuso e fornisce librerie software che ti aiutano a costruire applicazioni di robotica. AWS RoboMaker fornisce estensioni cloud per ROS per consentirti di eseguire l’offloading nel cloud dei processi di elaborazione più intensivi a livello di risorse che, normalmente, sono necessari per le applicazioni di robotica intelligente, liberando così risorse di elaborazione locali.

Queste estensioni cloud di RoboMaker per ROS includono servizi quali Amazon Kinesis Video Streams per lo streaming di video, Amazon Rekognition per l’analisi di immagini e video, Amazon Lex per il riconoscimento vocale, Amazon Polly per la generazione vocale e Amazon CloudWatch per registrazione di log e monitoraggio. RoboMaker fornisce ciascuno di questi servizi cloud sotto forma di pacchetti ROS open source, per consentirti di estendere le funzioni sul tuo robot, sfruttando le API cloud, il tutto in un framework software con cui hai familiarità.

Nel repository di codice sono disponibili ulteriori informazioni su ciascuna delle estensioni del servizio cloud.

AWS RoboMaker supporta la release ROS Kinetic. Per ulteriori informazioni su ROS, consulta questa pagina.

Applicazioni di esempio

AWS RoboMaker include applicazioni di robotica di esempio per aiutarti a iniziare rapidamente. Costituiscono il punto di partenza per le funzionalità di comando vocale, riconoscimento, monitoraggio e gestione della flotta che sono tipicamente richieste per le applicazioni di robotica intelligente. Le applicazioni di esempio sono fornite con il codice dell'applicazione di robotica (istruzioni per la funzionalità del robot) e il codice dell'applicazione di simulazione (che definisce l'ambiente in cui verranno eseguite le simulazioni). Per iniziare a lavorare con gli esempi, consulta questa pagina

Hello, World

Scopri le nozioni di base su come strutturare le applicazioni robotiche e quelle di simulazione, modificare codicI, costruire, avviare nuove simulazioni e distribuire applicazioni ai robot. Inizia da un modello di progetto di base che include un robot in un mondo di simulazione vuoto.

  • Utilizza Gazebo per costruire nuovi mondi di simulazione inserendo modelli; controllare la vista della telecamera, eseguire e mettere in pausa un'applicazione di simulazione
  • Utilizza Amazon CloudWatch logs e un bucket di output Amazon S3 per visualizzare i registri per le applicazioni di robot e simulazione
  • Utilizza il terminale per eseguire i comandi ROS
 
Puoi trovare ulteriori informazioni nel repository di codice o nella documentazione.

Scopri informazioni sugli spostamenti del robot, lo streaming video, il riconoscimento facciale e la sintesi vocale. Un robot si sposta tra le posizioni degli obiettivi in ​​una casa simulata e riconosce i volti nelle foto. Il robot invia in streaming le immagini della videocamera ad Amazon Kinesis Video Streams, riceve i risultati del riconoscimento facciale da Amazon Rekognition e pronuncia i nomi delle persone riconosciute utilizzando Amazon Polly.

  • Utilizza rqt per visualizzare le immagini della videocamera simulate trasmesse in streaming ad Amazon Kinesis Video Streams
  • Utilizza rviz per visualizzare la mappa SLAM (localizzazione e mappatura simultanee) del robot e il suo stato di pianificazione.
  • Utilizza il terminale per visualizzare i risultati di Amazon Rekognition
 
Puoi trovare ulteriori informazioni nel repository di codice o nella documentazione.

Comandi vocali

Comanda un robot con testo e voce in linguaggio naturale in una libreria simulata usando Amazon Lex. I comandi predefiniti includono "move <direction> <rate>", "turn <direction> <rate>" e "stop". Il robot riconosce ed esegue ciascun comando.

  • Utilizza il terminale per inviare comandi di movimento in linguaggio naturale che vengono interpretati da Amazon Lex (ad esempio "move forward 5", "rotate clockwiseo 5" e "stop")
  • Utilizza le metriche di Amazon CloudWatch per monitorare l'esecuzione di comandi, le distanze dagli ostacoli rilevati più vicini e le collisioni
 
Puoi trovare ulteriori informazioni nel repository di codice o nella documentazione.

Monitoraggio del robot

Monitora le metriche operative e dello stato di un robot in una libreria simulata utilizzando le metriche di Amazon CloudWatch e Amazon CloudWatch Log. Le metriche trasmesse includono velocità, distanza dall'ostacolo più vicino, distanza dall'obiettivo corrente, conteggio delle collisioni, utilizzo della CPU del robot e utilizzo della RAM.

  • Utilizza le metriche di Amazon CloudWatch per visualizzare lo stato e le prestazioni del robot
  • Utilizza Gazebo e lascia cadere ostacoli vicino al robot, quindi visualizza le metriche risultanti
 
Puoi trovare ulteriori informazioni nel repository di codice o nella documentazione.

Inseguimento di oggetti tramite apprendimento di rinforzo

Insegna a un robot a tenere traccia di un oggetto e a inseguirlo attraverso l'apprendimento di rinforzo in simulazione utilizzando la libreria Coach Reinforcement Learning, quindi distribuisci questa funzionalità a un robot. Visualizza le metriche attribuite in Amazon Cloudwatch per esplorare il modo in cui il modello di machine learning migliora nel tempo. Personalizza la funzione di attribuzione per migliorare l'algoritmo di machine learning utilizzato per la formazione.

  • Utilizza Gazebo per sperimentare diverse posizioni di un oggetto di cui tenere traccia
  • Utilizza rviz per visualizzare il robot mentre si addestra nella simulazione
  • Utilizza la Coach Reinforcement Library per addestrare e valutare i modelli
 
Puoi trovare ulteriori informazioni nel repository di codice o nella documentazione.

Guida autonoma tramite apprendimento di rinforzo

Insegna a un'automobile da corsa a guidare in una simulazione attraverso l'apprendimento di rinforzo utilizzando la Coach Reinforcement Learning Library, quindi distribuisci questa funzionalità a un robot. Visualizza le metriche attribuite in Amazon Cloudwatch per esplorare il modo in cui il modello di machine learning migliora nel tempo. Personalizza la funzione di attribuzione per migliorare l'algoritmo di machine learning utilizzato per la formazione.

  • Utilizza Gazebo e rviz per visualizzare l'automobile mentre si addestra nella simulazione
  • Utilizza Amazon CloudWatch logs per monitorare le prestazioni di un'automobile
  • Utilizza la Coach Reinforcement Library per addestrare e valutare i modelli
 
Puoi trovare ulteriori informazioni nel repository di codice o nella documentazione.

Blog

Nessun post del blog rilevato. Consulta il Blog AWS per ulteriori risorse. 

Immagine
Consulta le Domande frequenti

Trova ulteriori informazioni su AWS RoboMaker nella pagina delle Domande frequenti.

Ulteriori informazioni 
Immagine
Registrati per creare un account gratuito

Ottieni accesso istantaneo al piano gratuito di AWS. 

Registrati 
Immagine
Inizia subito nella console

Inizia a costruire con AWS RoboMaker.

Inizia