Autonomiset robotit ovat työskennelleet yhteistyössä ihmisten kanssa teollisen valmistuksen alalla yli puoli vuosisataa. Siitä lähtien, kun maailman ensimmäinen teollisuusrobotti kehitettiin ja otettiin käyttöön 1950-luvulla, yritykset ovat uskoneet roboteille hankalia ja vaarallisia tehtäviä, jolloin työntekijät voivat keskittyä erikoistuneempiin töihin. Nykyään edistyneen robottiteknologian soveltaminen ei enää rajoitu teollisuuteen, vaan se on laajentunut myös useille vertikaalisille toimialoille, kuten terveydenhuoltoon, vähittäiskauppaan ja maatalouteen.
Samaan aikaan teknologiset läpimurrot sellaisilla aloilla kuin tekoäly ja koneoppiminen ovat synnyttäneet uuden sukupolven älykkäämpiä robotteja. He eivät enää rajoitu toistuvien tehtävien suorittamiseen, vaan voivat tehdä monimutkaisempia töitä. Esimerkiksi tietokonenäön ja autonomisen liikkeen kaltaisten teknologioiden avulla robotit voivat hoitaa erilaisia tehtäviä, kuten tuotteiden kokoonpanon, laaduntarkastuksen, edistyneen uhkien tunnistamisen ja reagoinnin jne.
Lyhyesti sanottuna älykkäistä roboteista on tullut keskeinen voimavara nykyaikaisen työvoiman vahvistamisessa. Niiden korkeat-tarkkuusominaisuudet ja lähes rajattomat mahdollisuudet parantaa tuottavuutta ovat korvaamattomia. Yritysten robottiassistenttien vaatimukset kuitenkin jatkuvat päivittyessä, tällaisten järjestelmien suunnitteluvaikeudet ovat kasvaneet eksponentiaalisesti, ja teknisen tuen tarjoamiseksi tarvitaan kiireellisesti alhaisen-viiveen ja-tehokkuuden laitteistoja, kuten Field Programmable Gate arrays (FPgas).
Yhä näkyvämmät suunnitteluhaasteet
Tekoälyllä varustetut älykkäät robotit on varustettava perinteisiin robotteihin verrattuna enemmän antureita ja toimilaitteita, mukaan lukien kamerat, lidarit, tutkat, inertiamittausyksiköt (IMU), moottorienkooderit, paineanturit ja muut komponentit. Samaan aikaan robotin on suoritettava myös monimutkaisempia laskentatehtäviä reaaliajassa, kuten 3D-näön käsittely, samanaikainen lokalisointi ja kartoitus (SLAM) ja tartuntapisteen laskeminen.
Tämä edellyttää, että asianomaisten järjestelmien laitteistoissa ei ole vain enemmän tulo-/lähtöliitäntöjä (I/O) eri antureille sopeutumista varten, vaan ne on myös varustettu tehokkaammilla prosessointimoduuleilla (kuten keskusyksiköillä (CPU), grafiikkasuoritusyksiköillä (GPU) ja hermoverkkoprosessointiyksiköillä (NPU)) monimutkaisempien laskentatoimintojen saavuttamiseksi. Suunnittelijoiden kohtaama haaste on kuitenkin se, että pelkkään prosessointimoduuleisiin, kuten prosessoreihin, luottaen on vaikeaa yhdistää robottijärjestelmän vaatimiin erilaisiin sensoreihin, eikä se pysty käsittelemään tehokkaasti antureiden keräämää valtavaa raakadataa.
Syynä tähän ovat toisaalta se, että I/O-rajapintojen määrä ja prosessorien erikoistumisaste eivät useinkaan täytä kehittäjien vaatimuksia. Lisäksi pelkkä liitäntöjen lisääminen prosessoriin aiheuttaa suuria kustannuksia - fyysisten liitäntöjen on säilytettävä tietty koko toimintojen saavuttamiseksi, ja uusien liitäntöjen lisääminen tarkoittaa, että sirualue vie enemmän. Tämä eroaa olennaisesti logiikkayksiköistä, jotka voidaan helposti pienentää ja laajentaa edistyneissä valmistusprosesseissa.
Vaikka prosessori pystyy tarjoamaan riittävät mukautuvat I/O-liitännät älykkäisiin robotteihin yhdistämiseksi ja antureiden keräämän suuren raakadatan välittämiseksi suoraan prosessointiyksikköön, ongelmana on silti alhainen energiatehokkuus. Lisäksi suoritinta ei ole suunniteltu älykkäiden robottien vaatimiin reaaliaikaisiin-käsittelytehtäviin. Jos ydintehtävät, kuten anturien yhdistäminen, käsitellään CPU:lla, se aiheuttaa merkittäviä viiveitä järjestelmään ja heikentää huomattavasti robotin toimintatehokkuutta.
Onneksi laitteistosuunnittelijat ja -kehittäjät keskittyvät kehittämään erilaisia innovatiivisia tuotteita korjatakseen yllä-mainittuja teknisiä puutteita, ja FPGA on yksi niistä.
FPGA: Erittäin arvokas laitteistoratkaisu
FPGA on erittäin joustava puolijohdelaite, joka voi toimia "siltana" antureiden, toimilaitteiden ja prosessorien välillä tarjoten kehittäjille erilaisia ja lukuisia älykkäiden robottijärjestelmien liittämiseen tarvittavia I/O-liittymiä. Samaan aikaan, kun reaaliaikainen laskentateho-lähellä anturin päätä, FPGA voi suorittaa taustalla olevat erilaisten antureiden omistetut käsittelytehtävät, vapauttaa järjestelmän laskentaresursseja ja auttaa luomaan älykkäämpiä ja reagoivampia robotteja, joita yritykset tarvitsevat.
Kun FPGA on suorittanut tietojenkäsittelyn ensimmäisen kerroksen, tiedot siirretään suorittimelle standardisoitujen suuren kaistanleveyden{0}}kanavien kautta. Tämän tehtävänjakomenetelmän avulla FPGA voi jakaa osan laskentakuormasta suorittimen kanssa, säästää energiankulutusta korkeamman tason laskentatehtävien, kuten lentoradan suunnittelun, klusterianalyysin ja objektien havaitsemisen tukemiseksi, jolloin CPU voi keskittyä optimointi- ja päätöksentekotehtäviin, joita on vaikea suorittaa laitteistotasolla.
Tämä laitteistoarkkitehtuuri voi myös auttaa kehittäjiä voittamaan seuraavan tyyppiset tekniset haasteet:
Liitettävyys: FPGA-laitteistolla on erittäin suuri räätälöintiaste, ja ne voivat tarjota enemmän I/O-liittymiä kuin prosessori. Kehittäjät voivat liittää ja ohjata useampia antureita ja toimilaitteita eri liitäntöjen, kuten Ethernetin, SPI:n, High Definition Multimedia Interfacen (HDMI) ja Mobile Industry Processor Interfacen (MIPI) kautta, ja kustannukset ovat paljon alhaisemmat kuin uusien liitäntöjen lisääminen pääkäsittelyyksikköön. Lisäksi FPgas tukee myös useita jännitetasoja ja ei--standardeja viestintäprotokollia, mikä tarjoaa kehittäjille enemmän vaihtoehtoja sopeutua erilaisiin sovellusskenaarioihin.
Energiankulutus: FPGA voi saavuttaa laitteiston{0}}tason rinnakkaislaskennan robottianturien lähellä. Käsittelemällä tiedot paikallisesti reaaliajassa ja siirtämällä ne sitten CPU:lle, se vähentää tehokkaasti järjestelmän kokonaisenergiankulutusta.
Latenssi: FPGA:n{0}}nopea laskentateho voi nopeuttaa ydintehtävien, kuten sensorien yhdistämisen, käsittelyä - tämä tehtävä voi integroida eri antureista, kuten kameroista ja lidareista, kerätyt tiedot muodostamaan täydellisen ympäristön havainnointikuvan, mikä parantaa robottien{2}}arviointitarkkuutta ja päätöksentekokykyä. Otetaan esimerkkinä laskentanopeus. VLP16 liDAR -anturi lähettää 384 etäisyystietosarjaa verkkoon 1,32 millisekunnin välein, kun taas FPGA tarvitsee vain noin 0,32 millisekuntia tämän tietoerän käsittelyyn laskentanopeudella 100 miljoonaa kertaa sekunnissa.
FPGA:n erilaisiin teknisiin etuihin luottaen suunnittelijat voivat joustavasti asentaa erilaisia antureita tarpeidensa mukaan, rikkoa älykkäiden robottien suorituskyvyn ylärajaa ja ratkaista tehokkaasti järjestelmän energiankulutus- ja viiveongelmat samanaikaisesti.
Yhdistä kädet luodaksesi älykkäämpiä robotteja
Älykkäiden ja nopeampien robottien kysynnän kasvaessa eri teollisuudenaloilla kehittäjät kohtaavat uusia haasteita: suunnitella tehokkaampia robottijärjestelmiä resursseja kuluttamatta. Tämän tavoitteen saavuttamiseksi kehittäjät luottavat yhä enemmän laitteiston suunnittelu- ja valmistusyrityksiin päivittääkseen jatkuvasti robottien ydinkomponentteja. Molemmat osapuolet työskentelevät kohti yhteistä tavoitetta "parantaa robotin suorituskykyä ja vähentää samalla kustannuksia, energiankulutusta ja latenssia", mikä tekee robotiikka-alan tulevasta kehityksestä täynnä loputtomia mahdollisuuksia.
