2020 年突如其来的疫情对人们的生活、工作方式都产生了很大影响。无人配送的市场需求飙升，推动了配送机器人等科技产品的广泛应用。

借助 NVIDIA Jetson TX2 开发者套件，商用服务机器人公司普渡科技通过 PUDU SLAM 算法方案，提高了机器人配送的精度与可靠性，同时具备 3D 避障能力，极大扩展了适用场景，并实现了在人流复杂的餐厅场景下机器人的自动驾驶能力。

随着配送场景越来越广泛，未来室内智能配送机器人将会需要更丰富的智能感知、交互能力以及基于大数据的智能导航能力以达到的更高的配送效率和更好使用体验。具体而言，体现在数据、算法、算力平台三个方面：

1、数据

机器人端在运行过程中会产生大量的实时数据，包括业务配送数据、传感器数据(如图像、激光、深度图、IMU)、导航数据、机器运行状态数据等等。要求对这些实时数据处理达到高效、准确的状态。

2、算法

机器人感知算法如障碍物检测识别、实例分割、特征提取以及交互人脸识别、语音交互等，基于深度学习的导航规划，这些 AI 算法大多都基于深度神经网络模型。

3、算力平台

像 vSLAM 既有可并行加速的前端又有耦合紧密的后端优化。单一类型的计算平台加速效果有限，需要建立 CPU+GPU 异构计算平台，进一步提升系统协同能力。

所有这些，都对移动平台的大规模计算能力和能效提出了新的挑战。当前的计算平台受计算能力和能效限制，适合数据流量小的单机非交互场景，但应用到数据流量和计算任务大的场景在要么存在算力瓶颈，要么成本较高。

另外，AI 技术在移动平台部署优化中门槛相对高，传统优化部署流程也存在大量重复“造轮子”工作，且缺乏专门的辅助开发工具，同时在底层架构及硬件驱动上也面临一系列挑战。

NVIDIA Jetson TX2 有 256 个 GPU 核心。普渡科技基于 Jetson TX2 开发者套件进一步优化了机器人系统和算法方案。

首先，在应用过程中，Jetson TX2 提供的 CSI 相机输入接口与应用层提供的多媒体图像加速库，数据采集过程对 Jetson TX2 CPU 资源占用较低，且帧率可达到 1080p 60fps，能完全满足系统需求。

其次，借助于 Jetson TX2 提供加速的计算机视觉算法库，将 SLAM 视觉前端的特征提取效率提升了 4 倍，图像预处理部分提升超过 10 倍。

最后，利用 Jetson TX2 提供的深度学习库与 GPU 计算能力，将智能感知和交互等相关深度神经网络模型的前向推理直接部署在移动端，能在短时间内完成复杂感知交互，且正确率达到 99% 以上，能效提高 30%。

借助 NVIDIA Jetson TX2 开发者套件，普渡科技极大提升了其机器人的服务能力，进一步提升了智能配送机器人的移动潜力，为扩展室内其他业务场景打下了良好基础。机器人的使用场景也从餐厅拓展到咖啡厅、网吧、商超、医院、酒店等大人流高频配送场景中。

除此之外，Jetson TX2 开发者套件可大幅提升机器人运行表现，使算法人员将自身精力专注于算法边界优化，大幅降低了研发投入成本。在人力成本不增加情况下，一个新的算法需求从验证到部署的落地周期从原来的 2-3 个月缩短为 1-2 个月甚至更短。

Jetson TX2 开发者套件针对机器学习的加速，将 AI 整体计算流程提速了 5-10 倍。同时，能在移动端实时处理机器人的各种传感器和业务数据，达到了通过边缘计算处理海量数据的目的，并将数据传输带宽需求减少 60% 以上。从而间接减少了综合成本，提升了机器人的服务能力，更利用户抓住了市场机遇。

普渡科技创始人兼 CEO 张涛表示：“普渡科技作为一家全球化的商用服务机器人公司，我们的产品应用于餐饮、酒店、办公楼宇、商超等各类型的商业场景，这些场景的不规则、高动态、一致性差等特性对于普渡的机器人定位、建图、导航、多机调度、感知和避障、人机交互等技术都带来了很高的挑战，因此机器人的计算平台非常重要，NVIDIA 的解决方案可以很好地满足我们的需求。普渡希望未来能够与 NVIDIA 持续紧密协作，打造出性能更强劲的服务机器人，在突破行业技术极限的同时提高人类生产生活效率。”