<mark id="oztn4"></mark>
0
| 本文作者： 王剛 | 2018-11-27 21:12 |
雷鋒網消息，北京時間11月27日，在亞馬遜AWS re:Invent 2018活動開幕前，AWS宣布推出RoboMaker——這算得上是給re:Invent活動預熱，也可以理解為這次云計算盛會的重要組成部分。
據悉，這項新的服務的本意是幫助開發者開發、測試和部署機器人應用，并利用云服務構建智能的機器人應用功能。目前，NASA噴氣推進實驗室（JPL）、Stanley Black＆Decker、Robot Care System公司和Apex.AI都已經使用AWS RoboMaker構建了太空火星車、工業檢測無人機和老人護理機器人。
RoboMaker在AWS Cloud9上運行，在包括室內房間、零售店和賽道等處都可以按需測試機器人并同時運行多個模擬。RoboMaker的ROS云擴展包括：
亞馬遜Kinesis視頻流攝取
亞馬遜Rekognition圖像和視頻分析
亞馬遜Lex語音識別
亞馬遜Polly語音生成
Amazon CloudWatch日志記錄和監控
AWS RoboMaker擴展了ROS機器人操作系統這一最廣泛使用的開源機器人軟件框架，可連接到包括機器學習、監控和分析服務在內的AWS服務，使機器人能夠傳輸數據、導航、交流、理解和學習，還提供了基于AWS Cloud9的機器人集成開發環境以開發應用，提供機器人仿真以加速應用測試。
AWS的首席布道師在官網帖子中表示，RoboMaker創建機器人并將其分配給AWS Greengrass組
機器人（Robot）是自動執行工作的機器裝置，既可以接受人類指揮，又可以運行預先編排的程序，也可以根據以人工智能技術制定的原則綱領行動。而眼下，隨著人類生產方式發生巨變，各種各樣的機器人正在成為我們日常生活的一部分，比如承擔繁瑣的家務，無人機送貨，在危險的工業環境中檢查管道、煙囪和高壓電線。機器人完成這些任務，要接收應用所傳達的指令，處理傳感器數據，控制執行器產生運動和動作。
實際上，開發、測試和部署智能機器人應用既困難又耗時，需要各種難以掌握的技能。
實現諸如物體識別、自然語言處理或自主移動的智能機器人功能，需要數據科學家掌握機器學習知識。
搭建開發環境需要花數天時間配置基礎架構和軟件。
創建逼真的仿真器以在多個虛擬環境測試機器人應用，需要幾個月時間才能構建起并行運行多個仿真所需的軟件和基礎架構。
應用完成后，開發人員仍需要構建或集成無線（OTA，over-the-air）系統，以將應用部署到機器人上，然后在機器人使用中更新應用。
所有這些努力導致了當前使用的機器人和智能功能數量嚴重受限。
AWS RoboMaker能做什么？
在AWS RoboMaker機器人開發環境中，開發人員只需在AWS管理控制臺中一鍵點擊，就可以啟動應用開發。AWS官網如此介紹：
AWS RoboMaker自動配置底層基礎架構，下載、編譯并配置操作系統、開發軟件，以及ROS機器人操作系統。
AWS RoboMaker的機器人仿真功能可以輕松地建立大規模的并行仿真，提供預置場景，例如室內房間、商店和賽道，這樣開發人員可以按需測試他們的應用，同時運行多個仿真。
AWS RoboMaker的編隊管理功能與AWS Greengrass集成，支持機器人應用從開發環境到機器人的無線（OTA）部署。AWS RoboMaker還提供連接到AWS服務的其他ROS軟件包，熟悉ROS的開發人員可以輕松使用，在其機器人應用中構建高級功能。
AWS RoboMaker針對ROS的云擴展包括Amazon Kinesis視頻流攝取、Amazon Rekognition圖像和視頻分析、Amazon Lex語音識別、Amazon Polly語音合成，以及Amazon CloudWatch日志記錄和監控。所有這些都便于構建機器人、添加智能功能、仿真和測試機器人應用，以及管理和更新機器人編隊。
關于模擬機器人狀態的視圖
AWS RoboMaker總經理Roger Barga表示，“在跟客戶交流時，我們看到同樣的模式一再重復。他們在機器人開發周期的不同階段，為搭建基礎設施、搛軟件花費大量時間，重復其他人之前做過的工作，留給創新的時間減少了。AWS RoboMaker提供了預置的功能，可以在整個項目期間為機器人開發人員提供支持，可以更輕松地構建機器人，在各種環境中模擬性能，更快地迭代，推動更大的創新。”
截至發稿，AWS RoboMaker現在可以在美國東部（弗吉尼亞北部）區域、美國西部（俄勒岡）區域、歐盟（愛爾蘭）區域使用，明年將擴展到其它區域。
re:Invent首日的諸多重磅發布匯總
而在美國時間 11 月 26 日晚的拉斯維加斯，AWS 全球基礎架構和客戶支持副總裁 Peter DeSantis 在 Monday Night Live 的主題演講中，發布了更多重磅服務與功能。
Peter DeSantis
雷鋒網匯總如下：
AWS 云服務已覆蓋區域數據
Peter DeSantis 表示，AWS 云服務已覆蓋了全球 19 個地理區域內的 57 個可用性區域，并宣布計劃在巴林、開普敦、香港特區、米蘭和斯德哥爾摩增設 15 個可用性區域和 5 個地理區域。
AWS Global Accelerator
AWS Global Accelerator （全球加速器）利用 AWS 全球網絡提高應用的性能和可用性，將流量從最終用戶路由到最近的AWS邊緣位置，并從那里路由到AWS Global Network。這意味著AWS用戶可以控制到區域端點的流量路由，并使用轉發策略來考慮網絡運行狀況，延遲和地理位置。
AWS Transit Gateway
AWS還引入了AWS Transit Gateway，使用CloudWatch和VPC Flow Log等本機AWS服務為全球網絡提供數千個亞馬遜虛擬私有云（VPC）和AWS賬戶的集中管理。
Amazon EC2 A1 實例
Amazon EC2 A1 實例是基于Arm的AWS Graviton處理器的EC2實例。A1實例圍繞 Arm內核構建并廣泛使用定制芯片，針對性能和成本進行了優化。
Elastic Fabric Adapter
亞馬遜推出了Elastic Fabric Adapter，這是一款適用于Amazon EC2實例的網絡適配器，可為數千或數萬個計算內核提供高性能和可擴展性，適用于高性能計算（HPC）應用程序。
Amazon EC2 C5n 實例
AWS正在添加一個更強大的變體C5n實例。憑借高達100 Gbps的網絡帶寬，模擬、內存緩存、數據湖和其他通信密集型應用程序將比以往更好地運行。
AWS官網一并做了詳細闡述
此外，AWS 人工智能總經理 Dr.Matt Wood也在現場公布了一系列消息：
Dr.Matt Wood
Dynamic Training
在 AWS 上使用 Apache MXNet 進行動態訓練，通過彈性添加或刪除 EC2 Spot 或預留實例，幫助降低訓練成本。
Amazon EC2 P3dn 實例
P3dn 實例，強大的具備 100G 網絡帶寬的分布式訓練 GPU 實例。
Amazon SageMaker Neo
Amazon SageMaker Neo，一次訓練、任意部署的深度學習模型編譯器，并且…是開源的！
Firecracker
Firecracker，用于無服務器計算、安全快速的微型虛機。
綜合了解下來，AWS re:Invent 2018 首日共計 20 余項涵蓋存儲、計算、遷移、物聯網、機器學習等各方面的服務和功能發布，預計接下來的一天會有更多重磅內容。雷鋒網將在現場為你報道。
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
