Autonomni roboti već više od pola stoljeća rade u suradnji s ljudima u području industrijske proizvodnje. Otkako je 1950-ih razvijen i pušten u upotrebu prvi industrijski robot na svijetu, poduzeća su robotima povjeravala glomazne i opasne zadatke, omogućujući radnicima da se usredotoče na specijaliziraniji posao. Danas primjena napredne tehnologije robota više nije ograničena na industrijsko područje, već se proširila i na brojne vertikalne industrije kao što su zdravstvo, maloprodaja i poljoprivreda.
U međuvremenu, tehnološki pomaci u područjima kao što su umjetna inteligencija i strojno učenje doveli su do nove generacije inteligentnijih robota. Oni više nisu ograničeni na obavljanje ponavljajućih zadataka, već mogu preuzeti složeniji posao. Na primjer, uz pomoć tehnologija kao što su računalni vid i autonomno kretanje, roboti mogu obavljati različite zadatke uključujući sastavljanje proizvoda, inspekciju kvalitete, naprednu identifikaciju prijetnji i odgovor, itd.
Ukratko, inteligentni roboti postali su ključna prednost za jačanje moderne radne snage. Njihove značajke visoke-preciznosti i gotovo neograničeni potencijal za poboljšanje produktivnosti su nezamjenjivi. Međutim, kako se zahtjevi poduzeća za robotskim asistentima nastavljaju nadograđivati, poteškoće dizajna takvih sustava eksponencijalno su rasle i postoji hitna potreba za hardverom niske-latencije i visokih-performansi kao što su Field Programmable Gate Arrays (FPgas) za pružanje tehničke podrške.
Sve izraženiji dizajnerski izazovi
Inteligentni roboti opremljeni umjetnom inteligencijom trebaju biti opremljeni s više senzora i pokretača u usporedbi s tradicionalnim robotima, uključujući kamere, lidare, radare, inercijske mjerne jedinice (IMU), motorne kodere, senzore tlaka i druge komponente. U međuvremenu, robot također treba izvršiti složenije računalne zadatke u stvarnom vremenu, kao što je obrada 3D vizije, simultana lokalizacija i mapiranje (SLAM) i izračunavanje točaka hvatanja.
To zahtijeva da hardver relevantnih sustava ne samo da ima više ulazno/izlaznih sučelja (I/O) za prilagodbu različitim senzorima, već i da bude opremljen snažnijim procesorskim modulima (kao što su središnje procesorske jedinice (CPU), grafičke procesorske jedinice (GPU) i procesorske jedinice neuronske mreže (NPU)) za postizanje složenijih računalnih funkcija. Međutim, izazov s kojim se susreću dizajneri je da se oslanjajući se isključivo na module za obradu kao što je CPU, teško je povezati s raznim senzorima koje zahtijeva robotski sustav, niti može učinkovito rukovati golemom količinom neobrađenih podataka koje prikupljaju senzori.
Razlozi za to su, s jedne strane, što broj I/O sučelja i stupanj specijalizacije procesora često ne zadovoljavaju zahtjeve programera. Štoviše, jednostavno dodavanje sučelja procesoru izaziva visoke troškove - fizička sučelja moraju održavati određenu veličinu da bi postigla funkcije, a dodavanje novih sučelja znači zauzimanje veće površine čipa. Ovo se bitno razlikuje od logičkih jedinica koje se mogu lako minijaturizirati i proširiti u naprednim proizvodnim procesima.
Čak i ako CPU može pružiti dovoljno prilagodljivih I/O sučelja za povezivanje s inteligentnim robotima i izravan prijenos velike količine neobrađenih podataka prikupljenih senzorima do procesorske jedinice, još uvijek postoji problem niske energetske učinkovitosti. Nadalje, CPU nije dizajniran za-zadatke obrade u stvarnom vremenu koje zahtijevaju inteligentni roboti. Ako centralna procesorska jedinica obavlja osnovne zadatke kao što je spajanje senzora, to će uzrokovati značajna kašnjenja u sustavu i uvelike smanjiti operativnu učinkovitost robota.
Srećom, dizajneri i programeri hardvera usredotočeni su na razvoj raznih inovativnih proizvoda kako bi nadoknadili gore-spomenute tehničke nedostatke, a FPGA je jedan od njih.
FPGA: Vrlo vrijedno hardversko rješenje
FPGA je vrlo fleksibilan poluvodički uređaj koji može poslužiti kao "most" između senzora, aktuatora i procesora, pružajući programerima različita i brojna I/O sučelja potrebna za povezivanje inteligentnih robotskih sustava. U međuvremenu, s-računalnom snagom u stvarnom vremenu blizu senzora, FPGA može preuzeti temeljne namjenske zadatke obrade raznih senzora, osloboditi računalne resurse sustava i pomoći u stvaranju inteligentnijih i osjetljivijih robota koji su potrebni poduzećima.
Nakon što FPGA dovrši prvi sloj obrade podataka, podaci će se prenijeti u CPU putem standardiziranih kanala velike -propusnosti. Putem ove metode dijeljenja zadataka, FPGA može podijeliti dio računalnog opterećenja s CPU-om, uštedjeti potrošnju energije za podršku računalnim zadacima-višeg reda kao što su planiranje putanje, analiza klastera i otkrivanje objekata, dopuštajući CPU-u da se usredotoči na rukovanje optimizacijom i zadacima-donošenja odluka koje je teško postići na razini hardvera.
Ova hardverska arhitektura također može pomoći programerima da prevladaju sljedeće vrste tehničkih izazova:
Povezivost: FPGA hardver ima iznimno visok stupanj prilagodbe i može pružiti više I/O sučelja od CPU-a. Programeri mogu povezati i kontrolirati više senzora i aktuatora putem različitih sučelja kao što su Ethernet, serijsko periferno sučelje (SPI), multimedijsko sučelje visoke razlučivosti (HDMI) i sučelje mobilnog industrijskog procesora (MIPI), a trošak je puno niži od dodavanja novih sučelja glavnoj procesorskoj jedinici. Osim toga, FPgas također podržava višestruke naponske razine i ne-standardne komunikacijske protokole, pružajući programerima više opcija za prilagodbu različitim scenarijima primjene.
Potrošnja energije: FPGA može postići paralelno računal-na razini hardvera u blizini robotskih senzora. Lokalnom obradom podataka u stvarnom vremenu i zatim njihovim prijenosom u CPU, učinkovito smanjuje ukupnu potrošnju energije sustava.
Latencija: -računalna snaga velike brzine FPGA-a može ubrzati obradu osnovnih zadataka kao što je spajanje senzora - ovaj zadatak može integrirati prikupljene podatke iz različitih senzora kao što su kamere i lidari kako bi se formirala potpuna slika percepcije okoline, čime se poboljšava točnost prosuđivanja i-sposobnost donošenja odluka robota. Uzmimo brzinu računanja kao primjer. VLP16 liDAR senzor prenosi 384 seta podataka o udaljenosti u mrežu svakih 1,32 milisekunde, dok FPGA treba samo oko 0,32 milisekunde da dovrši obradu ove serije podataka, uz brzinu računanja od 100 milijuna puta u sekundi.
Oslanjajući se na različite tehničke prednosti FPGA, dizajneri mogu fleksibilno instalirati različite senzore prema svojim potrebama, probiti gornju granicu performansi inteligentnih robota i učinkovito riješiti probleme potrošnje energije i kašnjenja sustava u isto vrijeme.
Udružite ruke kako biste stvorili pametnije robote
Kako potražnja za pametnijim i bržim robotima u raznim industrijama nastavlja rasti, programeri se suočavaju s novim izazovima: projektiranje robotskih sustava s boljim performansama bez iscrpljivanja resursa. Kako bi postigli ovaj cilj, programeri se sve više oslanjaju na tvrtke koje se bave dizajnom hardvera i proizvodnjom kako bi kontinuirano nadograđivati ključne komponente robota. Obje strane rade prema zajedničkom cilju "poboljšanja performansi robota uz smanjenje troškova, potrošnje energije i latencije", čineći budući razvoj polja robotike punim beskonačnih mogućnosti.
