0
| 本文作者： 王刚 | 2018-11-27 21:12 |
雷锋网消息，北京时间11月27日，在亚马逊AWS re:Invent 2018活动开幕前，AWS宣布推出RoboMaker——这算得上是给re:Invent活动预热，也可以理解为这次云计算盛会的重要组成部分。
据悉，这项新的服务的本意是帮助开发者开发、测试和部署机器人应用，并利用云服务构建智能的机器人应用功能。目前，NASA喷气推进实验室（JPL）、Stanley Black＆Decker、Robot Care System公司和Apex.AI都已经使用AWS RoboMaker构建了太空火星车、工业检测无人机和老人护理机器人。
RoboMaker在AWS Cloud9上运行，在包括室内房间、零售店和赛道等处都可以按需测试机器人并同时运行多个模拟。RoboMaker的ROS云扩展包括：
亚马逊Kinesis视频流摄取
亚马逊Rekognition图像和视频分析
亚马逊Lex语音识别
亚马逊Polly语音生成
Amazon CloudWatch日志记录和监控
AWS RoboMaker扩展了ROS机器人操作系统这一最广泛使用的开源机器人软件框架，可连接到包括机器学习、监控和分析服务在内的AWS服务，使机器人能够传输数据、导航、交流、理解和学习，还提供了基于AWS Cloud9的机器人集成开发环境以开发应用，提供机器人仿真以加速应用测试。
AWS的首席布道师在官网帖子中表示，RoboMaker创建机器人并将其分配给AWS Greengrass组
机器人（Robot）是自动执行工作的机器装置，既可以接受人类指挥，又可以运行预先编排的程序，也可以根据以人工智能技术制定的原则纲领行动。而眼下，随着人类生产方式发生巨变，各种各样的机器人正在成为我们日常生活的一部分，比如承担繁琐的家务，无人机送货，在危险的工业环境中检查管道、烟囱和高压电线。机器人完成这些任务，要接收应用所传达的指令，处理传感器数据，控制执行器产生运动和动作。
实际上，开发、测试和部署智能机器人应用既困难又耗时，需要各种难以掌握的技能。
实现诸如物体识别、自然语言处理或自主移动的智能机器人功能，需要数据科学家掌握机器学习知识。
搭建开发环境需要花数天时间配置基础架构和软件。
创建逼真的仿真器以在多个虚拟环境测试机器人应用，需要几个月时间才能构建起并行运行多个仿真所需的软件和基础架构。
应用完成后，开发人员仍需要构建或集成无线（OTA，over-the-air）系统，以将应用部署到机器人上，然后在机器人使用中更新应用。
所有这些努力导致了当前使用的机器人和智能功能数量严重受限。
AWS RoboMaker能做什么？
在AWS RoboMaker机器人开发环境中，开发人员只需在AWS管理控制台中一键点击，就可以启动应用开发。AWS官网如此介绍：
AWS RoboMaker自动配置底层基础架构，下载、编译并配置操作系统、开发软件，以及ROS机器人操作系统。
AWS RoboMaker的机器人仿真功能可以轻松地建立大规模的并行仿真，提供预置场景，例如室内房间、商店和赛道，这样开发人员可以按需测试他们的应用，同时运行多个仿真。
AWS RoboMaker的编队管理功能与AWS Greengrass集成，支持机器人应用从开发环境到机器人的无线（OTA）部署。AWS RoboMaker还提供连接到AWS服务的其他ROS软件包，熟悉ROS的开发人员可以轻松使用，在其机器人应用中构建高级功能。
AWS RoboMaker针对ROS的云扩展包括Amazon Kinesis视频流摄取、Amazon Rekognition图像和视频分析、Amazon Lex语音识别、Amazon Polly语音合成，以及Amazon CloudWatch日志记录和监控。所有这些都便于构建机器人、添加智能功能、仿真和测试机器人应用，以及管理和更新机器人编队。
关于模拟机器人状态的视图
AWS RoboMaker总经理Roger Barga表示，“在跟客户交流时，我们看到同样的模式一再重复。他们在机器人开发周期的不同阶段，为搭建基础设施、搛软件花费大量时间，重复其他人之前做过的工作，留给创新的时间减少了。AWS RoboMaker提供了预置的功能，可以在整个项目期间为机器人开发人员提供支持，可以更轻松地构建机器人，在各种环境中模拟性能，更快地迭代，推动更大的创新。”
截至发稿，AWS RoboMaker现在可以在美国东部（弗吉尼亚北部）区域、美国西部（俄勒冈）区域、欧盟（爱尔兰）区域使用，明年将扩展到其它区域。
re:Invent首日的诸多重磅发布汇总
而在美国时间 11 月 26 日晚的拉斯维加斯，AWS 全球基础架构和客户支持副总裁 Peter DeSantis 在 Monday Night Live 的主题演讲中，发布了更多重磅服务与功能。
Peter DeSantis
雷锋网汇总如下：
AWS 云服务已覆盖区域数据
Peter DeSantis 表示，AWS 云服务已覆盖了全球 19 个地理区域内的 57 个可用性区域，并宣布计划在巴林、开普敦、香港特区、米兰和斯德哥尔摩增设 15 个可用性区域和 5 个地理区域。
AWS Global Accelerator
AWS Global Accelerator （全球加速器）利用 AWS 全球网络提高应用的性能和可用性，将流量从最终用户路由到最近的AWS边缘位置，并从那里路由到AWS Global Network。这意味着AWS用户可以控制到区域端点的流量路由，并使用转发策略来考虑网络运行状况，延迟和地理位置。
AWS Transit Gateway
AWS还引入了AWS Transit Gateway，使用CloudWatch和VPC Flow Log等本机AWS服务为全球网络提供数千个亚马逊虚拟私有云（VPC）和AWS账户的集中管理。
Amazon EC2 A1 实例
Amazon EC2 A1 实例是基于Arm的AWS Graviton处理器的EC2实例。A1实例围绕 Arm内核构建并广泛使用定制芯片，针对性能和成本进行了优化。
Elastic Fabric Adapter
亚马逊推出了Elastic Fabric Adapter，这是一款适用于Amazon EC2实例的网络适配器，可为数千或数万个计算内核提供高性能和可扩展性，适用于高性能计算（HPC）应用程序。
Amazon EC2 C5n 实例
AWS正在添加一个更强大的变体C5n实例。凭借高达100 Gbps的网络带宽，模拟、内存缓存、数据湖和其他通信密集型应用程序将比以往更好地运行。
AWS官网一并做了详细阐述
此外，AWS 人工智能总经理 Dr.Matt Wood也在现场公布了一系列消息：
Dr.Matt Wood
Dynamic Training
在 AWS 上使用 Apache MXNet 进行动态训练，通过弹性添加或删除 EC2 Spot 或预留实例，帮助降低训练成本。
Amazon EC2 P3dn 实例
P3dn 实例，强大的具备 100G 网络带宽的分布式训练 GPU 实例。
Amazon SageMaker Neo
Amazon SageMaker Neo，一次训练、任意部署的深度学习模型编译器，并且…是开源的！
Firecracker
Firecracker，用于无服务器计算、安全快速的微型虚机。
综合了解下来，AWS re:Invent 2018 首日共计 20 余项涵盖存储、计算、迁移、物联网、机器学习等各方面的服务和功能发布，预计接下来的一天会有更多重磅内容。雷锋网将在现场为你报道。
雷峰网原创文章，未经授权禁止转载。详情见转载须知。
