Autonomiczne roboty współpracują z człowiekiem w produkcji przemysłowej od ponad pół wieku. Od czasu opracowania i wprowadzenia do użytku pierwszego na świecie robota przemysłowego w latach 50. XX wieku przedsiębiorstwa powierzają robotom wykonywanie uciążliwych i niebezpiecznych zadań, umożliwiając pracownikom skupienie się na bardziej specjalistycznych pracach. Obecnie zastosowanie zaawansowanej technologii robotycznej nie ogranicza się już do przemysłu, ale rozszerzyło się również na wiele branż pionowych, takich jak opieka zdrowotna, handel detaliczny i rolnictwo.
Tymczasem przełomy technologiczne w takich dziedzinach jak sztuczna inteligencja i uczenie maszynowe dały początek nowej generacji, bardziej inteligentnych robotów. Nie są już ograniczeni do wykonywania powtarzalnych zadań, ale mogą podjąć się bardziej złożonej pracy. Na przykład za pomocą technologii takich jak wizja komputerowa i autonomiczny ruch roboty mogą wykonywać różne zadania, w tym montaż produktu, kontrolę jakości, zaawansowaną identyfikację zagrożeń i reagowanie itp.
Krótko mówiąc, inteligentne roboty stały się podstawowym atutem wzmacniającym nowoczesną siłę roboczą. Ich-precyzyjne funkcje i niemal nieograniczony potencjał poprawy produktywności są niezastąpione. Jednakże w miarę ciągłego zwiększania się zapotrzebowania przedsiębiorstw na asystentów robotów, trudności w projektowaniu takich systemów rosną wykładniczo i istnieje pilne zapotrzebowanie na sprzęt o niskim-opóźnieniu i-wysokiej wydajności, taki jak macierze bramek programowalnych przez użytkownika (FPgas), aby zapewnić pomoc techniczną.
Coraz bardziej widoczne wyzwania projektowe
Inteligentne roboty wyposażone w sztuczną inteligencję muszą być wyposażone w większą liczbę czujników i elementów wykonawczych w porównaniu z tradycyjnymi robotami, w tym w kamery, lidary, radary, inercyjne jednostki pomiarowe (IMU), enkodery silnika, czujniki ciśnienia i inne komponenty. Tymczasem robot musi także wykonywać w czasie rzeczywistym bardziej złożone zadania obliczeniowe, takie jak przetwarzanie obrazu 3D, jednoczesna lokalizacja i mapowanie (SLAM) oraz obliczanie punktu chwytania.
Wymaga to, aby sprzęt odpowiednich systemów miał nie tylko więcej interfejsów wejścia/wyjścia (I/O) w celu dostosowania do różnych czujników, ale także był wyposażony w mocniejsze moduły przetwarzające (takie jak jednostki centralne (CPU), jednostki przetwarzania grafiki (GPU) i jednostki przetwarzania sieci neuronowej (NPU)) w celu osiągnięcia bardziej złożonych funkcji obliczeniowych. Jednak wyzwaniem stojącym przed projektantami jest to, że opierając się wyłącznie na modułach przetwarzających, takich jak procesor, trudno jest połączyć się z różnymi czujnikami wymaganymi przez system robota, ani też nie jest on w stanie efektywnie obsłużyć ogromnej ilości surowych danych gromadzonych przez czujniki.
Powodem tego jest z jednej strony to, że liczba interfejsów I/O i stopień specjalizacji procesora często nie odpowiadają wymaganiom programistów. Co więcej, samo dodanie interfejsów do procesora wiąże się z wysokimi kosztami. - interfejsy fizyczne muszą zachować określony rozmiar, aby realizować funkcje, a dodanie nowych interfejsów oznacza zajęcie większej powierzchni chipa. Różni się to zasadniczo od jednostek logicznych, które można łatwo miniaturyzować i rozszerzać w zaawansowanych procesach produkcyjnych.
Nawet jeśli procesor może zapewnić wystarczające adaptacyjne interfejsy we/wy do łączenia się z inteligentnymi robotami i bezpośredniego przesyłania dużej ilości surowych danych zebranych przez czujniki do jednostki przetwarzającej, nadal istnieje problem niskiej efektywności energetycznej. Co więcej, procesor nie jest przeznaczony do-zadań przetwarzania w czasie rzeczywistym wymaganych przez inteligentne roboty. Jeśli podstawowe zadania, takie jak fuzja czujników, będą obsługiwane przez procesor, spowoduje to znaczne opóźnienia w systemie i znacznie obniży wydajność operacyjną robota.
Na szczęście projektanci i programiści sprzętu koncentrują się na opracowywaniu różnych innowacyjnych produktów, aby zrekompensować wyżej-wspomniane niedociągnięcia techniczne, a FPGA jest jednym z nich.
FPGA: Bardzo cenne rozwiązanie sprzętowe
FPGA to wysoce elastyczne urządzenie półprzewodnikowe, które może służyć jako „pomost” pomiędzy czujnikami, elementami wykonawczymi i procesorem, zapewniając programistom różnorodne i liczne interfejsy we/wy wymagane do podłączenia inteligentnych systemów robotów. Tymczasem dzięki mocy obliczeniowej czasu rzeczywistego-po stronie czujnika, układ FPGA może wykonywać podstawowe, dedykowane zadania przetwarzania różnych czujników, uwalniać zasoby obliczeniowe systemu i pomagać w tworzeniu bardziej inteligentnych i responsywnych robotów, których potrzebują przedsiębiorstwa.
Po zakończeniu pierwszej warstwy przetwarzania danych przez układ FPGA dane zostaną przesłane do procesora za pośrednictwem standardowych{0}}kanałów o dużej przepustowości. Dzięki tej metodzie podziału zadań układ FPGA może dzielić część obciążenia obliczeniowego z procesorem, oszczędzać zużycie energii w celu obsługi zadań obliczeniowych-wyższego rzędu, takich jak planowanie trajektorii, analiza skupień i wykrywanie obiektów, umożliwiając procesorowi skupienie się na obsłudze optymalizacji i-podejmowaniu decyzji, zadaniach, które są trudne do osiągnięcia na poziomie sprzętowym.
Ta architektura sprzętowa może również pomóc programistom pokonać następujące rodzaje wyzwań technicznych:
Łączność: sprzęt FPGA charakteryzuje się niezwykle wysokim stopniem dostosowywania i może zapewnić więcej interfejsów we/wy niż procesor. Programiści mogą podłączyć i sterować większą liczbą czujników i elementów wykonawczych za pośrednictwem różnych interfejsów, takich jak Ethernet, szeregowy interfejs peryferyjny (SPI), interfejs multimedialny wysokiej rozdzielczości (HDMI) i interfejs procesora mobilnego (MIPI), a koszt jest znacznie niższy niż dodanie nowych interfejsów do głównej jednostki przetwarzającej. Ponadto FPgas obsługuje także wiele poziomów napięcia i-niestandardowe protokoły komunikacyjne, zapewniając programistom więcej opcji dostosowywania się do różnych scenariuszy zastosowań.
Zużycie energii: układ FPGA umożliwia przetwarzanie równoległe na poziomie-sprzętu w pobliżu czujników robota. Przetwarzając dane lokalnie w czasie rzeczywistym, a następnie przesyłając je do procesora, skutecznie zmniejsza całkowite zużycie energii przez system.
Opóźnienie:-duża moc obliczeniowa układu FPGA może przyspieszyć przetwarzanie podstawowych zadań, takich jak łączenie czujników. - to zadanie może integrować dane zebrane z różnych czujników, takich jak kamery i lidary, w celu utworzenia pełnego obrazu postrzegania środowiska, zwiększając w ten sposób dokładność oceny i-zdolność podejmowania decyzji przez roboty. Weźmy na przykład prędkość obliczeniową. Czujnik VLP16 LIDAR przesyła do sieci 384 zestawy danych o odległości co 1,32 milisekundy, podczas gdy układ FPGA potrzebuje tylko około 0,32 milisekundy na zakończenie przetwarzania tej partii danych, z szybkością obliczeniową 100 milionów razy na sekundę.
Wykorzystując różne zalety techniczne FPGA, projektanci mogą elastycznie instalować różne czujniki zgodnie ze swoimi potrzebami, przekraczać górną granicę wydajności inteligentnych robotów, a jednocześnie skutecznie rozwiązywać problemy związane ze zużyciem energii i opóźnieniami systemu.
Połącz ręce, aby stworzyć mądrzejsze roboty
Ponieważ zapotrzebowanie na inteligentniejsze i szybsze roboty w różnych branżach stale rośnie, programiści stoją przed nowymi wyzwaniami: projektowaniem systemów robotycznych o lepszej wydajności bez uszczuplania zasobów. Aby osiągnąć ten cel, programiści w coraz większym stopniu polegają na przedsiębiorstwach zajmujących się projektowaniem sprzętu i produkcją, aby stale ulepszać podstawowe komponenty robotów. Obie strony pracują nad wspólnym celem, jakim jest „zwiększenie wydajności robotów przy jednoczesnej redukcji kosztów, zużycia energii i opóźnień”, dzięki czemu przyszły rozwój dziedziny robotyki będzie pełen nieskończonych możliwości.
