隨著物聯網的快速發展以及數據處理2.0時代的來臨，邊緣計算很快成為了廣受追捧的熱門技術。IDC數據顯示，未來超過50%的數據需要在網絡邊緣側分析、處理和存儲，邊緣計算市場規模將超萬億，成為與云計算平分秋色的新興市場。

人工智能浪潮的來襲之后，邊緣計算+ AI也逐漸成為了市場的熱門話題。在工業自動化領域，機器需要傳感器提供必要的信息，以正確執行相關的操作。機器人已經開始應用大量的傳感器以提高適應能力。機器人自動化一直以來都是制造業的革命性技術，將AI集成到機器人中顯然將在未來數年中使機器人技術產生巨大變化。

“無論是傳統的工業機器人系統，還是協作機器人，它們都要依靠可生成大量高度可變數據的傳感器。這些數據有助于構建更佳的機器學習(ML)和人工智能(AI)模型。而機器人依靠這些模型變得“自主”，可在動態的現實環境中做出實時決策和導航。”

舉例來說，在工作場所設立協作機器人，與人進行密切協作。它需要使用來自近場傳感器及視覺傳感器的數據，來確保它在成功防止人類受到傷害的同時，支持人類完成對于他們來說有難度的活動。所有這些數據都需要實時處理，但是云的速度達不到協作機器人需要的實時、低延時響應。要攻克這個瓶頸，人們把當今先進的AI系統發展到了邊緣領域，即機器人意味著存在于邊緣設備中。

協作機器人制造者必須在機器人系統中實施高水平的環境感應和冗余，以便快速探測和防止可能的沖突。集成式傳感器與控制單元連接，將可傳感機器人臂與人或其他對象的迫在眉睫的沖突，控制單元將立即關閉機器人。如果任何傳感器或其電子電路故障，機器人也將關閉。

又比如物流機器人，這些機器人通常在特定環境中移動，需要傳感器進行定位、繪圖和防止沖突(特別是與人的沖突)。超聲波、紅外線和LIDAR感應目前都是已投入應用的技術。鑒于機器人的移動性，位于其內部的控制單元一般是通過無線方式與中央遠程控制通信。物流機器人目前已采用的先進技術，包括ML邏輯、人機協作及環境分析技術等。

隨著機器人技術的發展，互補傳感器技術也在發展。這些互補傳感器技術與人類的五種感官非常相似，在將機器人系統部署到不斷變化和不受控制的環境中時，結合不同的傳感技術可以提供最佳結果，即使是機器人執行的最簡單的任務也將取決于3D機器視覺來將數據饋送到AI技術中。若未能夠重建3D圖像的機器視覺，且AI將該視覺信息轉換成機器人方面的成功動作，則在沒有預定位置和運動的情況下抓住對象不可能實現。

當今用于支持機器人中AI的最流行和最相關的傳感器技術包括飛行時間(ToF)光學傳感器、溫度和濕度傳感器、超聲波傳感器、震動傳感器、毫米波傳感器等。

雖然在工廠車間里人類仍然執行大部分任務，但機器人將適應人類工作、提高自動化程度。為實現這一目標，他們需要配備更多的AI功能，以實時識別和適應各類情況，這只有在AI處在最前沿時才有可能實現。