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 Logs. 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
 
Scopri ulteriori informazioni nel repository di codice o nella documentazione.

Asset di simulazione

Abbiamo creato ulteriori ambienti da utilizzare con i tuoi robot. Possono essere utilizzati per testare il riconoscimento facciale, la navigazione, la prevenzione degli ostacoli e il machine learning e possono essere modificati in base ai tuoi casi d'uso specifici. 

Casa

RoboMaker-House

Una piccola casa con cucina, salotto, palestra e immagini che puoi personalizzare per testare il riconoscimento di immagini. Vi sono numerosi ostacoli tra cui il tuo robot può destreggiarsi.

Ulteriori informazioni »

Libreria

RoboMaker-Bookstore

Spostati tra gli scaffali di libri in questa simulazione di una libreria. Include diversi ostacoli tra cui sedie e tavoli tra cui il tuo robot può muoversi.

Ulteriori informazioni »

Pista da corsa

RoboMaker-Racetrack

Utilizza il machine learning per insegnare al tuo robot a rimanere su questa pista da corsa. La pista è ovale e include dei chiari marcatori a segnarne i bordi. Pronti, partenza, via!

Ulteriori informazioni »

Workshop e tutorial

Workshop

Hello, World Introduzione ad AWS RoboMaker

In questo workshop verrà illustrato come iniziare a utilizzare AWS RoboMaker per creare applicazioni di robotica intelligenti. Inoltre, avrai la possibilità di gestire e distribuire applicazioni robotiche sia in un ambiente simulato che in un robot di produzione (l’operazione richiede un TurtleBot 3 Burger).

Ulteriori informazioni »
Workshop

Trovare marziani con AWS RoboMaker e il JPL Open Source Rover

In questo workshop, ti verrà illustrato come familiarizzare con AWS RoboMaker e imparerai a simulare il JPL Mars Open Source Rover della NASA. In questo modo, imparerai a integrare AWS RoboMaker con servizi come il machine learning, il monitoraggio e l'analisi, in modo che il tuo Mars Rover possa trasmettere dati, navigare, comunicare, comprendere e imparare.

Ulteriori informazioni »
Tutorial

Come formare un robot utilizzando l'apprendimento per rinforzo

L'apprendimento rinforzato (reinforcement learning, RL) è una tecnica di machine learning (ML) avanzata che consiste nell'apprendere comportamenti molto complessi senza bisogno di dati di formazione etichettati e nell'essere in grado di prendere decisioni sul breve termine ottimizzando al contempo un obiettivo a lungo termine. Puoi utilizzare l'applicazione modello di AWS RoboMaker per generare dati di formazione simulati utilizzati per l'apprendimento rinforzato. Il modello di RL insegnerà al robot a tracciare e seguire un oggetto. Questa è una semplice dimostrazione che può essere estesa a casi d'uso quali l'assistenza agli operatori nei magazzini o un robot di intrattenimento che segue un utente nella sua casa.
Ulteriori informazioni »
Tutorial

Esegui ROS su più macchine con AWS RoboMaker

In molti casi, uno sviluppatore o un ricercatore robotico dovrà eseguire Robot Operating System (ROS) su più macchine. In questo tutorial imparerai come configurare ROS su una macchina virtuale in esecuzione su AWS, come connettere il tuo robot fisico alla macchina virtuale e come creare un sistema ROS distribuito su più macchine. Ciò semplifica lo sviluppo della tua applicazione robotica.  

Ulteriori informazioni »
Tutorial

Esegui tutorial ROS utilizzando AWS RoboMaker

In questo tutorial, ti mostreremo come impostare un ambiente su AWS RoboMaker per apprendere Robot Operating System (ROS). I tutorial includono: introduzione al ROS, creazione di nodi, cinematica semplice per robot mobile, riconoscimento di oggetti visivi, esecuzione di ROS su più macchine, navigazione SLAM, pianificazione di percorsi, esplorazione di ambienti sconosciuti e ricerca di oggetti.
Ulteriori informazioni »
Tutorial

ROSbot + AWS Robomaker - Tutorial di avvio veloce

Husarion ROSbot 2.0 è una piattaforma robotica autonoma e open source. Può essere utilizzata come piattaforma di apprendimento per Robot Operating System (ROS) e come base per una varietà di applicazioni robotiche come robot di ricerca, robot di ispezione, robot di servizi personalizzati ecc. In questo tutorial ti guideremo dall'unboxing attraverso l'avvio e la distribuzione di applicazioni tramite AWS RoboMaker.
Ulteriori informazioni »

Video

Utilizzare l'apprendimento per rinforzo con AWS RoboMaker (4:17)
Distribuzione di applicazioni di robotica utilizzando machine learning con Nvidia JetBot e AWS RoboMaker (32:04)

Blog

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

Product-Page_Standard-Icons_01_Product-Features_SqInk
Consulta le Domande frequenti

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

Ulteriori informazioni 
Product-Page_Standard-Icons_02_Sign-Up_SqInk
Registrati per creare un account gratuito

Ottieni accesso istantaneo al piano gratuito di AWS. 

Registrati 
Product-Page_Standard-Icons_03_Start-Building_SqInk
Inizia a lavorare nella console

Inizia a costruire con AWS RoboMaker.

Accedi