機器人軟體

機器人作業系統 (又稱為 ROS) 是最廣泛使用的開放原始碼機器人軟體架構,提供可協助您建立機器人應用程式的軟體程式庫。AWS RoboMaker 提供 ROS 雲端擴充功能,因此您可以將智慧型機器人應用程式通常所需之較資源密集的運算程序卸載至雲端,以釋放本機運算資源。

適用於 ROS 的 RoboMaker 雲端擴充功能包含以下服務:用於影片串流的 Amazon Kinesis Video Streams、分析影像和影片的 Amazon Rekognition、用於語音辨識的 Amazon Lex、用於產生語音的 Amazon Polly,以及用於記錄和監控的 Amazon CloudWatch。RoboMaker 以開放原始碼 ROS 套件的形式提供每項雲端服務,因此您可以在熟悉的軟體架構中利用雲端 API 擴展機器人的各項功能。

進一步了解程式碼儲存庫中的每項雲端服務擴充功能。

AWS RoboMaker 支援 ROS Kinetic 版本。在這裡進一步了解 ROS。

範例應用程式

AWS RoboMaker 包含範本機器人應用程式,可協助您快速開始使用。這些應用程式提供智慧型機器人應用程式一般所需之語音命令、辨識、監控和叢集管理功能的基礎。範本應用程式隨附機器人應用程式的程式碼 (機器人功能的各項指示) 和模擬應用程式的程式碼 (定義模擬作業執行的環境)。您可以在這裡開始使用範例。 

Hello world

了解各項基礎知識,以學習如何建立機器人應用程式和模擬應用程式、編輯程式碼、建立、啟動新模擬以及將應用程式部署到機器人。從基本專案範本開始,包括空白模擬世界中的機器人。

  • 使用 Gazebo 插入模型、控制攝影機檢視,以及播放和暫停模擬應用程式,以建立新的模擬世界
  • 使用 Amazon CloudWatch Logs 和 Amazon S3 輸出儲存貯體查看機器人和模擬應用程序的日誌
  • 使用終端機執行 ROS 命令
 
要進一步了解,請瀏覽 程式碼儲存庫文件

了解機器人導航、影片串流、人臉辨識和文字轉換語音。機器人可在模擬住家中的目標位置之間導航,並辨識照片中的人臉。機器人會將攝影機影像串流到 Amazon Kinesis Video Streams、從 Amazon Rekognition 取得人臉辨識結果,然後利用 Amazon Polly 說出辨識對象的姓名。

  • 使用 rqt 查看串流到 Amazon Kinesis Video Streams 的模擬攝影機影像
  • 使用 rviz 查看機器人的 SLAM (同時定位和繪製地圖) 地圖及其規劃狀態。
  • 使用終端機查看 Amazon Rekognition 結果
 
要進一步了解,請瀏覽 程式碼儲存庫文件

語音命令

使用 Amazon Lex,透過模擬書店中的自然語言文字和語音命令機器人。預設命令包括 “move <direction> <rate>”、“turn <direction> <rate>”和 “stop”。 機器人可了解並執行每個命令。

  • 使用終端機傳送自然語言動作命令,供 Amazon Lex 解譯 (例如,“move forward 5”、“rotate clockwise 5” 和 “stop”)
  • 使用 Amazon CloudWatch 指標監控命令的執行、與偵測到的最近障礙物距離以及各種碰撞
 
要進一步了解,請瀏覽 程式碼儲存庫文件

機器人監控

使用 Amazon CloudWatch 指標和 Amazon CloudWatch Logs 監控模擬書店中的機器人運作狀況和操作指標。串流的指標包括速度、與最近障礙物的距離、與當前目標的距離、碰撞次數、機器人 CPU 使用率和 RAM 用量。

  • 使用 Amazon CloudWatch 指標查看機器人的運作狀況和效能
  • 使用 Gazebo 並在機器人附近放下障礙物,然後查看產生的各項指標結果
 
要進一步了解,請瀏覽 程式碼儲存庫文件

使用強化學習跟隨物件

使用 Coach Reinforcement Learning Library 透過模擬強化學習教導機器人追蹤和跟隨物件,然後將此功能部署到機器人。查看 Amazon Cloudwatch 指標中的獎勵指標,了解機器學習模型如何隨著時間改進。自訂您的獎勵功能,改進用於訓練的機器學習演算法。

  • 利用 Gazebo 試驗追蹤不同位置的物件
  • 使用 rviz 查看機器人進行模擬訓練的情形
  • 利用 Coach Reinforcement Library 來訓練和評估模型
 
要進一步了解,請瀏覽 程式碼儲存庫文件

使用強化學習自動駕駛

使用 Coach Reinforcement Learning Library 透過強化學習教導賽車在模擬世界自動駕駛,然後將這個功能部署到機器人。查看 Amazon Cloudwatch 指標中的獎勵指標,了解機器學習模型如何隨著時間改進。自訂您的獎勵功能,改進用於訓練的機器學習演算法。

  • 使用 Gazebo 和 rviz 查看車輛進行模擬訓練的情形
  • 利用 Amazon CloudWatch Logs 追蹤車輛的性能
  • 利用 Coach Reinforcement Library 來訓練和評估模型
 
要進一步了解,請瀏覽 程式碼儲存庫文件

模擬資產

我們已建立其他的環境供您搭配機器人使用。這些環境可用來測試臉部辨識、尋找方向、避開障礙物、機器學習,並可針對您的案例需求進行修改。 

房屋

RoboMaker-House

設有廚房、客廳、居家健身房和圖片的小型房屋,您可以自訂這些項目以測試影像辨識。房屋中設置了許多障礙物讓您的機器人尋找方向。

進一步了解 »

書店

RoboMaker-Bookstore

在這個模擬書店中穿越眾多書架尋找方向。書店環境設有不同障礙物 (包括桌子和椅子),供您的機器人尋找行進方向。

進一步了解 »

跑道

RoboMaker-Racetrack

使用機器學習教導您的機器人在跑道內行進。跑道採用橢圓形設計,並且有清晰的邊線記號。準備就緒,比賽開始!

進一步了解 »

教學

如何使用強化學習訓練機器人

強化學習 (RL) 是一種進階機器學習 (ML) 技術,無需任何經過標記的訓練資料,即可學習非常複雜的行為,而且能在針對長期目標進行優化的同時做出短期決定。您可以使用 AWS RoboMaker 範例應用程式,產生供強化學習使用的模擬訓練資料。強化學習模型會教導機器人追蹤和跟隨物體。這個簡易的示範可延伸至其他使用案例上,例如:協助工人的倉儲作業,或在家跟隨消費者移動的娛樂型機器人。
 
進一步了解 »

影片

運用 AWS RoboMaker 進行強化學習 (4:17)

部落格

目前找不到任何部落格文章。如需其他資源,請參閱 AWS 部落格。 

Product-Page_Standard-Icons_01_Product-Features_SqInk
查看常見問答集

要進一步了解 AWS RoboMaker,請參閱常見問答集頁面。

進一步了解 
Product-Page_Standard-Icons_02_Sign-Up_SqInk
註冊免費帳戶

立即存取 AWS 免費方案。 

註冊 
Product-Page_Standard-Icons_03_Start-Building_SqInk
開始在主控台進行建置

開始使用 AWS RoboMaker 進行建置。

登入