ZHCAD76 October 2023 AM69A
移動機器人必須理解周圍環境的動態變化，以實現安全導航。必須盡快檢測并避開阻礙移動機器人行進的動態障礙物。移動機器人也可以在定位過程中檢測障礙物，因為地圖中不存在障礙物的特征。但并不總是能夠成功識別這些特征。有時，屬于障礙物的特征被錯誤地匹配到地圖中的特征。因此，識別并排除屬于障礙物的特征對于可靠定位非常重要。
這就是 AI 和傳感器與毫米波 (mmWave) 雷達等其他傳感器模式融合的意義所在。AI 和傳感器融合可幫助移動機器人準確感知動態物體，從而有助于更安全、更智能地進行導航。基于視覺的深度學習網絡能夠檢測障礙物，對其進行分類，并測量它們與移動機器人的距離。TI 毫米波雷達的獨特之處在于，雷達提供障礙物的距離、速度和到達角信息，機器人可以利用這些信息更好地導航而不會發生碰撞。
AM69A 處理器具有四個運行頻率為 1GHz 的 512 位 C7x DSP，每個 C7x DSP 都與支持每周期 4K 8 位固定乘法累加 (MAC) 的四個 MMA 的每一個緊密耦合。四個 MMA 提供密集的 32 萬億次運算/秒 (TOPS)，可同時支持具有多個傳感器的各種深度學習網絡。此外，借助適用于 AM69A 的 Processor SDK Linux，可在 AM69A 上更輕松、更快速地開發 AI 應用。該軟件開發套件 (SDK) 實現了多個開源組件之間的相互作用，并且還支持深度學習運行時（例如，在基礎 Linux? 組件基礎上構建的 TFLite、ONNX 和 TVM）以及用于遠程內核和 HWA 的固件包。TI 將其原始訓練框架中的 100 多個模型（PyTorch、TensorFlow 和 MXNet）轉換并導出為適用于 C7xMMA 架構的格式，并將其托管在 Edge AI Model Zoo 中。TI 還提供 Edge AI Studio 工具集，旨在加快在 TI 嵌入式處理器（包括 AM69A）上開發邊緣 AI 應用。利用 Edge AI Studio，可以構建、評估和部署深度學習模型。TI E2E? 論壇文章如何簡化嵌入式邊緣 AI 應用開發 更詳細地介紹了旨在助開發一臂之力的 TI 免費工具和軟件。