新世代的高效能工業(yè)感測器能夠支援次級指向精確度與精密的地理位置定位，同時提供必要的尺寸與成本效率，而且開始致力于推動「可移動的物聯網」的發(fā)展。

隨著高品質的感測器日益普及，并結合可靠的連接能力和資料分析，創(chuàng)造了新的工業(yè)效率，同時也使得這些智慧節(jié)點越來越具有自主性和行動化。在許多情況下，感測器節(jié)點進行精密的動作擷取與定位追蹤，成為應用是否成功的主要核心。

智慧農場可以利用自動化的地面與空中交通工具，依據豐富的地理位置定位(geolocation)感測器內容與分析學習，更有效率的指引地面作業(yè)。智慧手術室將典型的導航技術帶到手術臺上，采用感測器融合的精密導引機械手臂，確保在所有情況下都能夠精確的指引。在許多領域中，以動作為基礎的感測器能讓行動應用的價值得到加乘效果。

消費型慣性感測器應用已廣泛用于智慧型手機中，但也造成使用者普遍認為其準確度差強人意；因此，迄今為止，在推動「可移動的物聯網」(Internet of Moving Things；IoMT)概念上一直成效不彰。然而，新世代的高效能工業(yè)感測器能夠支援分度(sub-gegree)指向精確度與精密的地理位置定位，同時提供必要的尺寸與成本效率，而且正開始致力于推動IoMT的發(fā)展。

工業(yè)系統(tǒng)中的智慧感測驅動力

工業(yè)機械與制程中最有價值的進展就是專注于有形的系統(tǒng)級優(yōu)點，而其通常會帶來設計與實作上的挑戰(zhàn)，另一方面也進而轉化為新的解決方案與商業(yè)模式。目前有三種這一類型的系統(tǒng)級驅動力，都是為了追求資源效率、臨界精確度以及提升安全性而設計。著眼于這些增強功能的應用分布在不同的產業(yè)，橫跨空中/陸地/海洋、室內/室外、短期/長期以及人類/機械等方面，但無論如何，這些應用領域都仰賴于共同的屬性；也就是精確度、可靠度、安全性以及智慧處理與分析。

智慧感測

這些智慧且可存取的系統(tǒng)藉由感測器豐富的情境架構，徹底改變了原本已經成熟的產業(yè)，讓農業(yè)轉型為智慧農業(yè)，基礎設施升級為智慧型基礎設施，城市過渡至智慧城市。當為了收集與環(huán)境相關的情境資訊而部署更多的感測器時，對于要求跨平臺與跨時間融合(例如，針對去年作物產量或交通狀況與模式等基礎架構，透過云端分析其如何隨時間進展)的資料庫管理與通訊(而非單純感測器對感測器)也帶來了新的復雜度。

「動作」至關重要

在大多數情況下，IoT是處于運動狀態(tài)的。即使它不在動態(tài)時(例如固定式工業(yè)安全攝影機)，精準指向仍然至關重要，或者意識到出現不想要的動作(如竄改)也具有價值。以采用光學負載擷取作物影像的無人機而言，假如可以在嚴苛的飛行狀況下維持精確的指向角度，就能更快提供較佳的結果，而且，如果光學資料能夠精確地套用地理映射，還能夠進行資料與趨勢的歷史比較。

智慧交通工具(無論是地面、空中或是海上)越來越依賴GPS導航系統(tǒng)。然而，無論是蓄意或是自然的因素(建筑物、樹木、隧道等等)，GPS所受到的威脅也日益嚴重。如果選擇精確的感測器，就能在中斷運作期間以更多感測器進行可靠的航位推算(dead reckon)。表2列出將動作(M)加入IoMT中事件范例，顯示動作對于應用效用的相關性。

可靠且安全的IoMT節(jié)點

IoMT節(jié)點輸出的有效性與價值最為仰賴的就是核心感測器的品質，以及其以高傳真度擷取應用情境架構的能力。其次，對于持續(xù)的感測器校正/增強以及理想的感測器對感測器狀態(tài)等動態(tài)(例如，在任意特定時間點，哪一個感測器最可靠)而言，融合處理是必要的。應用級的處理被分層至解決方案中，并且針對環(huán)境的細節(jié)(包括適當的限制條件)進行最佳化。雖然這些節(jié)點分別具有自主性，但在某些狀況中會協同運作，例如在地面或空中集結成群的無人駕駛車輛等。這些情況中都會部署安全的通訊連結，并且加強可靠的傳輸以及受到保護的獨特身份等。

位于自主核心的感測器

就像人體一樣，自主性IoMT節(jié)點仰賴多重感測輸入，以實現獨立行動所需要的意識，并為將其隨機或什至是混亂的事件進行最佳化，最終隨著時間而予以改善。如表4中所注記的，由基本量測轉換成控制或是自主性，都必須在感測器合并層級與嵌入式智慧方面提高精密度。由于這些節(jié)點具備高層次的互連與自主學習能力，它們正朝向人體與機器聚合的方向發(fā)展。

無需基礎架構的定位途徑

GPS無所不在，除非衛(wèi)星訊受阻或是停止運作。如果能順利存取的話，可以實現極其精密的無線測距技術。如果能不受到干擾的話，磁場讀數會一直存在著。慣性也可以獨立自主作業(yè)。很顯然的，慣性MEMS感測器存在自身的不足(漂移)，但這些問題都是可以管控的，而且新世代的工業(yè)慣性測量單元(IMU)以小巧又具有成本效益的封裝提供了前所未有的穩(wěn)定度。

慣性MEMS元件采用標準的半導體制程、精密的封裝以及整合方案，借以直接感測、測量與解譯其動作，它通常是以線性加速度(g)或是角度旋轉(°/秒或速率)的形式呈現，如圖3所示。因為幾乎所有的理想應用都具有所謂的多重自由度(事實上，動作能在任何以及所有軸上發(fā)生，而設備在其動作中則相對不受限制)，所以，g與速率的測量必須分別針對x、y與z軸進行擷??；或是在某些狀況下稱為滾動、俯仰與偏航軸。將這些結合起來，有時候可被稱為6自由度慣性量測單元。

特點或性能

有些應用可能只是意味著增加特點(以裝置的姿勢/方向切換模式)的實質價值，而這些特點透過簡單的MEMS元件就能輕易地擷取。工業(yè)或是專業(yè)裝置或許更易于測量價值，因為具備了多個方向精確度與次級之間的差異，或是更高一個數量級的精確位置辨認能力，而且又可以在高振動環(huán)境下運作。低階與高階感測器之間的性能差異并非十分微小，事實上其差異大到在挑選元件時必須確保經過謹慎的考慮。

終端應用將會決定所需的精確程度，而所挑選的感測器品質則將會決定是否能達成目標。表5比較兩種解決方案，顯示感測器挑選的重要性不僅只針對設計的過程，同時也影響設備的精密度。低精密度感測器如果只在有限的情況使用，而且應用裝置具有容錯能力，那么它或許是適用的；換個方式說，它適用于無關乎安全性、無性命攸關，或是相對精密度不需要太高即已足夠的情況。雖然大部份的消費級感測器具有低雜訊，而且可在良好條件下充份的運作，但并不適用于處在動態(tài)動作(包括振動)中的機械，因為在低性能慣性量測單元中無法將其所需要的部份從簡單的線性加速度或是傾斜測量中分離出來。為了在工業(yè)環(huán)境中運作時具有優(yōu)于一度以上的精確度，感測器挑選的重點在于能針對來自振動或溫度影響造成的漂移進行拒斥的設計。像這樣的高精密度感測器才能支援更大范圍的預期應用狀態(tài)，而且可以經歷更長的使用時間。

測器融合能解決感測器品質差的問題嗎？

簡單的說，不能。感測器融合是能夠合并與管理感測器結合的濾波功能與演算法，與環(huán)境、動作動力學以及應用狀態(tài)有關。它可以提供確定性的校正像是溫度補償，而且能依據系統(tǒng)狀態(tài)知識，管理從一個感測器到另一個感測器的協調管制。然而，它無法修正感測器中的原生缺陷。

在感測器融合設計中最具關鍵性的任務，首要就是開發(fā)應用狀態(tài)的深度知識，借以驅動其它的設計程序。接下來是針對特定應用裝置挑選適當的感測器，這需要透過詳細的分析以了解它們在總體任務不同階段中的權重(相關性)。在行人定位推算的范例中，解決方案主要受到現有設備(例如智慧型手機中的嵌入式感測器)的限制，而非因為性能設計所導致。因為這個緣故而會變得相當仰賴GPS與其它現有的嵌入式慣性或磁性之類的感測器，其對于判定有效位置資訊的任務只能夠提供很少量的貢獻。這在戶外很自然地可以運作，但是在充滿挑戰(zhàn)性的城市環(huán)境或室內時，GPS無法使用，而其它可用感測器的品質不佳，于是就會留下一個很大的差距，或者換個方式說，就是位置資訊品質的不確定性。雖然先進的濾波器以及演算法通常會被用來合并這些感測器，因而不需要額外的感測器或是更高品質的感測器，但是想要實質上的填補不確定性差距，軟體所能做到的其實也只有微乎其微，最終則會顯著的降低回報位置的可信度。

精密的動作感測不再孤立于利基應用，而只能投資于其他昂貴的追蹤解決方案。憑借采用迷你IMU尺寸的工業(yè)級精密度，IoT設計者現在可以透過整合高品質的動作感測并結合嵌入式情境感知以加乘其所提供的價值，從而驅動IoMT進展。