Ключевые технологии объединяются в передовые робототехнические системы

Когда роботизированные конструкции выходят на коммерческую арену для обслуживания производства, логистики и сферы услуг, очень важно обозначить ключевые камни преткновения, которые все еще препятствуют более широкому внедрению роботов.

В то время как аппаратное и программное обеспечение в роботизированных системах значительно улучшилось, их быстро развивающаяся траектория проектирования показывает, что многое происходит, чтобы сделать эти устройства более полезными и интеллектуальными в различных приложениях, включая сельское хозяйство, складирование, службы доставки и инспекции, интеллектуальное производство и больше.

Проще говоря, робот - после получения данных от датчиков и камер - обнаруживает себя и начинает воспринимать окружающую среду. Затем он распознает и прогнозирует движение близлежащих объектов, а затем планирует собственное движение, обеспечивая при этом взаимную безопасность себя и близлежащих объектов. Все эти действия влекут за собой множество операций обработки и потребление энергии.

В робототехнических системах есть три основных места использования энергии:двигатели и контроллеры, которые приводят в движение или управляют роботами, сенсорные системы и платформы обработки. Требуется новое поколение более умных и энергоэффективных датчиков для быстрого и точного определения ориентации и положения тела робота с меньшими затратами и потреблением энергии. Также стоит отметить, что роботы не двигаются быстро, поэтому им обычно не требуются новейшие процессоры, работающие на многогигагерцовых скоростях.

Здесь, на этом технологическом перекрестке, все требования или проблемы проектирования, связанные с массовым развертыванием роботов, приводят к ключевому строительному блоку:системе на кристалле (SoC). На нем работают различные сенсорные системы, а также мощные алгоритмы искусственного интеллекта (ИИ), позволяющие создать новое поколение коммерческих роботов.

Призыв к выпуску новых систем на кристалле

Десяток алгоритмов обычно обрабатываются одновременно и в реальном времени для выполнения роботизированных операций, которые включают одометрию, планирование пути, видение и восприятие. Это требует нового поколения SoC, которые могут вывести интеграцию на совершенно новый уровень. Эти SoC требуются для решения специализированных приложений, таких как разреженное кодирование, планирование пути и одновременная локализация и отображение (SLAM).

Чип Qualcomm SDA / SDM845 ( Рисунок 1 ) подчеркивает этот новый уровень интеграции. Помимо восьмиъядерного процессора Kyro, работающего на частоте 2,8 ГГц, он оснащен процессором Hexagon 685 DSP для обработки искусственного интеллекта на устройстве и компьютерным зрением, оптимизированным для мобильных устройств, для восприятия, навигации и манипуляции. Двойной 14-битный процессор обработки сигналов изображения Spectra 280 (ISP) поддерживает камеры с разрешением до 32 мегапикселей (МП) и видеосъемку до 4K со скоростью 60 кадров в секунду.

Рис. 1. Архитектурные строительные блоки микросхемы Qualcomm SDM845 для разработки робототехники (Изображение:Qualcomm)

Платформа SoC также имеет защищенный процессор (SPU) для обеспечения таких возможностей безопасности, как безопасная загрузка, криптографические ускорители и доверенная среда выполнения (TEE). Для подключения он поддерживает каналы Wi-Fi, а также стремится добавить 5G, чтобы обеспечить низкую задержку и высокую пропускную способность для промышленных роботов.

Qualcomm также представила платформу Robotics RB3 Platform, построенную на чипе SDA / SDM845. К нему прилагается плата разработки DragonBoard 845c и набор для создания прототипов роботов.

Стремление к гипер-интеграции также проявляется во встроенных модулях, таких как Jetson Xavier от Nvidia ( Рисунок 2 ), предназначенная для доставки и логистических роботов. Платформа роботизированных вычислений включает 9 миллиардов транзисторов и выполняет более 30 триллионов операций в секунду (TOPS). В нем шесть процессоров:восьмиядерный процессор ARM64, графический процессор Volta Tensor Core, два ускорителя глубокого обучения NVIDIA (NVDLA), процессор изображений, процессор машинного зрения и видеопроцессор.

Как показывают приведенные выше примеры дизайна, ускорители искусственного интеллекта являются ключевым строительным блоком в SoC и модулях для робототехнических конструкций. Более пристальный взгляд также демонстрирует, как ИИ работает в тандеме с датчиками и исполнительными механизмами для выполнения таких задач, как восприятие, локализация, отображение и навигация.

Интеграция искусственного интеллекта:в стадии разработки

Когда дело доходит до повышения качества и точности реакции робота на данную ситуацию или задачу, роль технологии ИИ становится критической, особенно в операциях по обнаружению и распознаванию объектов.

ИИ выводит роботов за рамки автоматизации, обеспечиваемой жесткими моделями программирования, и позволяет им взаимодействовать с окружающей средой более естественно и с большей точностью. Здесь компоненты ИИ работают рука об руку с функцией обработки изображений робота, чтобы автоматизировать задачи, которые раньше выполнялись людьми.

Однако конструкторы роботов должны добавить больше функций искусственного интеллекта без увеличения размера компонентов и энергопотребления. Помимо ограничений мощности в конструкции роботов, коммерческому внедрению роботов препятствуют также большие форм-факторы устройства.

Рис. 2. Модуль Jetson Xavier размером 80 × 87 мм заявляет, что производительность вычислений на уровне рабочей станции составляет 1/10 размера обрабатывающего устройства рабочей станции. (Изображение:Nvidia)

Еще одна критическая проблема - поддержка различных структур ИИ, когда промышленные и сервисные роботы начинают внедрять модели логического вывода для определения ориентации и оценки положения.

Требуются умные датчики

Роботизированные системы, такие как пылесосы и гироскутеры, требуют невероятно стабильных и высокопроизводительных датчиков, способных работать в условиях высокой вибрации. Высокоточная обработка чувствительных элементов ставит перед проектировщиками дополнительные задачи. Например, если они используют программное обеспечение для управления датчиками движения, такими как ускорители и гироскопы, это увеличивает стоимость, а также время разработки, необходимое для разработки программного обеспечения.

Вот почему роботизированным системам требуются более интегрированные сенсорные решения. Для платформы Qualcomm Robotics RB3, упомянутой ранее, InvenSense, теперь компания TDK, предлагает ряд датчиков и микрофонов с низким энергопотреблением, точным согласованием чувствительности и высокой точкой акустической перегрузки (AOP).

Платформа RB3 использует шестиосевые инерциальные измерительные блоки (IMU) InvenSense, состоящие из трехкоординатного гироскопа и трехосного акселерометра, емкостного датчика барометрического давления и многорежимных цифровых микрофонов. IMU количественно измеряют измерения внешних часов реального времени, чтобы гарантировать точность, а датчик давления измеряет относительную точность 10 см разницы высот.

Помимо датчиков движения, роботы все чаще используют интеллектуальные датчики и камеры, оснащенные навигационными системами на основе SLAM, которые позволяют роботам удовлетворять сложные требования в реальных условиях. Кроме того, эти датчики и камеры включают возможности машинного обучения для запуска систем 3D-зрения в роботах.

Однако разработчики должны обеспечить малые форм-факторы и низкое энергопотребление при интеграции этих датчиков с высоким разрешением в свои робототехнические системы. Кроме того, эти датчики и камеры должны легко интегрироваться с контроллерами роботов через стандартные цифровые интерфейсы.

Как и ИИ, интеллектуальные датчики и камеры являются критически важными ингредиентами в рецепте создания роботов, и, как ИИ, они все еще находятся в зачаточном состоянии. Ожидается, что 2020 год принесет большую зрелость и более жизнеспособные коммерческие решения по зондированию, которые могут обслуживать роботизированные системы с меньшими затратами и с большей точностью. Именно тогда роботы выйдут за рамки своей трансформирующей роли на складах и фабриках и станут инструментом совместной работы в более крупных потребительских и промышленных сферах вместо того, чтобы работать просто как отдельный интеллектуальный объект.