Schlüsseltechnologien vereinen sich in fortschrittlichen Robotersystemen

Gerade wenn Roboterdesigns die kommerzielle Arena betreten, um Fertigungs-, Logistik- und Dienstleistungsbranchen zu bedienen, ist es wichtig, die wichtigsten Stolpersteine ​​​​zu skizzieren, die immer noch die zunehmende Akzeptanz von Robotern behindern.

Während sich Hardware und Software in Robotersystemen dramatisch verbessert haben, zeigt ihre sich schnell entwickelnde Entwicklung, dass viel getan wird, um diese Geräte in einer Vielzahl von Anwendungen nützlicher und intelligenter zu machen, darunter Landwirtschaft, Lagerhaltung, Liefer- und Inspektionsdienste, intelligente Fertigung und mehr.

Einfach gesagt, ein Roboter – nachdem er Eingaben von Sensoren und Kameras entgegengenommen hat – lokalisiert sich selbst und beginnt, seine Umgebung wahrzunehmen. Als nächstes erkennt und prognostiziert es die Bewegung von nahegelegenen Objekten und plant dann seine eigene Bewegung, während es die gegenseitige Sicherheit von sich selbst und nahegelegenen Objekten gewährleistet. All diese Aktionen sind mit vielen Verarbeitungsvorgängen und einem hohen Stromverbrauch verbunden.

Es gibt drei Hauptenergieverbrauchsorte in Robotersystemen:Motoren und Controller, die Roboter antreiben oder steuern, Sensorsysteme und Verarbeitungsplattformen. Eine neue Generation intelligenter und energiesparender Sensoren ist erforderlich, um die Ausrichtung und Position des Roboterkörpers bei geringeren Kosten und geringerem Energieverbrauch schnell und genau zu ermitteln. Es ist auch erwähnenswert, dass sich Roboter nicht schnell bewegen und daher im Allgemeinen keine hochmodernen Prozessoren benötigen, die mit Geschwindigkeiten von mehreren Gigahertz arbeiten.

Hier, an diesem technologischen Scheideweg, führen alle Anforderungen oder Designherausforderungen bei der Einführung von Robotern in den Masseneinsatz zu einem wichtigen Baustein:System-on-Chip (SoC). Es führt verschiedene Sensorsysteme sowie leistungsstarke Algorithmen der künstlichen Intelligenz (KI) aus, um eine neue Generation kommerzieller Roboter zu ermöglichen.

Neue SoCs anfordern

Ein Dutzend Algorithmen werden normalerweise gleichzeitig und in Echtzeit verarbeitet, um Roboteroperationen auszuführen, die Odometrie, Bahnplanung, Vision und Wahrnehmung umfassen. Das erfordert eine neue Generation von SoCs, die die Integration auf eine ganz neue Ebene heben kann. Diese SoCs werden benötigt, um spezielle Anwendungen wie Sparse Coding, Path Planning und Simultane Localization and Mapping (SLAM) zu adressieren.

SDA/SDM845-Chip von Qualcomm (Abbildung 1 ) unterstreicht diese neue Ebene der Integration. Neben einer Octa-Core-Kyro-CPU mit 2,8 GHz verfügt es über einen Hexagon 685 DSP für die KI-Verarbeitung auf dem Gerät und für Mobilgeräte optimierte Computer Vision für Wahrnehmung, Navigation und Manipulation. Ein dualer 14-Bit Spectra 280-Bildsignalprozessor (ISP) unterstützt bis zu 32-Megapixel (MP)-Kameras und bis zu 4K-Videoaufnahmen mit 60 Bildern pro Sekunde.

Abbildung 1:Die Architekturbausteine ​​des Qualcomm SDM845-Chips für Roboterdesigns (Bild:Qualcomm)

Die SoC-Plattform verfügt außerdem über eine sichere Verarbeitungseinheit (SPU), um Sicherheitsfunktionen wie sicheres Booten, kryptografische Beschleuniger und eine vertrauenswürdige Ausführungsumgebung (TEE) zu ermöglichen. Für die Konnektivität unterstützt es Wi-Fi-Links und zielt darauf ab, 5G hinzuzufügen, um eine niedrige Latenz und einen hohen Durchsatz für Industrieroboter zu ermöglichen.

Qualcomm hat auch die Robotics RB3-Plattform vorgestellt, die auf dem SDA/SDM845-Chip basiert. Es wird von der DragonBoard 845c-Entwicklungsplatine und dem Kit für das Prototyping von Roboterdesigns begleitet.

Der Hyperintegrationsantrieb zeigt sich auch in eingebetteten Modulen wie Nvidias Jetson Xavier (Abbildung 2 ), die auf Liefer- und Logistikroboter ausgerichtet sind. Die robotische Rechenplattform umfasst 9 Milliarden Transistoren und liefert über 30 Billionen Operationen pro Sekunde (TOPS). Und es verfügt über sechs Prozessoren:eine Achtkern-ARM64-CPU, eine Volta-Tensor-Core-GPU, zwei NVIDIA-Deep-Learning-Beschleuniger (NVDLAs), einen Bildprozessor, einen Vision-Prozessor und einen Videoprozessor.

Wie die obigen Designbeispiele zeigen, sind KI-Beschleuniger ein wichtiger Baustein in SoCs und Modulen für Roboterdesigns. Ein genauerer Blick zeigt auch, wie KI mit Sensoren und Aktoren zusammenarbeitet, um Aufgaben wie Wahrnehmung, Lokalisierung, Kartierung und Navigation zu erfüllen.

KI-Integration:noch in Arbeit

Wenn es darum geht, die Qualität und Genauigkeit der Reaktion eines Roboters auf eine bestimmte Situation oder Aufgabe zu verbessern, wird die Rolle der KI-Technologie immer wichtiger, insbesondere bei Objekterkennungs- und -erkennungsvorgängen.

KI führt Roboter über die Automatisierung starrer Programmiermodelle hinaus und ermöglicht es ihnen, natürlicher und präziser mit ihrer Umgebung zu interagieren. Hier arbeiten KI-Komponenten Hand in Hand mit der Bildverarbeitungsfunktion des Roboters, um Aufgaben zu automatisieren, die zuvor von Menschen ausgeführt wurden.

Roboterdesigner müssen jedoch weitere KI-Funktionen hinzufügen, ohne die Komponentengröße und den Stromverbrauch zu erhöhen. Neben Leistungsbeschränkungen bei Roboterdesigns wird die kommerzielle Akzeptanz von Robotern auch durch große Geräteformfaktoren behindert.

Abbildung 2:Das 80 × 87-mm-Jetson-Xavier-Modul bietet eine Rechenleistung auf Workstation-Ebene bei 1/10 der Größe eines Workstation-Verarbeitungsgeräts. (Bild:Nvidia)

Ein weiteres kritisches Thema ist die Unterstützung einer Vielzahl von KI-Frameworks, wenn Industrie- und Serviceroboter damit beginnen, Inferenzmodelle zur Orientierungserkennung und Positionsschätzung zu implementieren.

Intelligente Sensoren gesucht

Robotersysteme wie Staubsauger und Hoverboards erfordern unglaublich stabile und leistungsstarke Sensoren, die in Umgebungen mit starken Vibrationen arbeiten können. Die hochpräzise Verarbeitung von Sensorelementen stellt Designer vor zusätzliche Herausforderungen. Wenn sie beispielsweise Software verwenden, um Bewegungssensoren wie Beschleuniger und Kreisel zu steuern, erhöht dies sowohl die Kosten als auch die für die Softwareentwicklung erforderliche Entwicklungszeit.

Aus diesem Grund erfordern Robotersysteme stärker integrierte Sensorlösungen. Für die bereits erwähnte Qualcomm Robotics RB3-Plattform bietet InvenSense, jetzt ein TDK-Unternehmen, eine Reihe von Sensoren und Mikrofonen an, die sich durch geringe Leistung, enge Empfindlichkeitsanpassung und einen hohen akustischen Überlastungspunkt (AOP) auszeichnen.

Die RB3-Plattform verwendet die sechsachsigen Trägheitsmesseinheiten (IMUs) von InvenSense, die aus einem dreiachsigen Gyroskop und einem dreiachsigen Beschleunigungsmesser, einem kapazitiven Luftdrucksensor und digitalen Multimode-Mikrofonen bestehen. Die IMUs quantifizieren die Messungen der externen Echtzeituhr, um eine präzise Genauigkeit zu gewährleisten, während der Drucksensor die relative Genauigkeit von 10 cm Höhenunterschied misst.

Neben Bewegungssensoren setzen Roboter zunehmend intelligente Sensor- und Kameralösungen ein, die mit SLAM-basierten Navigationssystemen ausgestattet sind, die es den Robotern ermöglichen, anspruchsvolle Anforderungen in realen Umgebungen zu erfüllen. Darüber hinaus verfügen diese Sensoren und Kameras über maschinelle Lernfähigkeiten, um 3D-Vision-Systeme in Robotern auszuführen.

Allerdings müssen Entwickler bei der Integration dieser hochauflösenden Sensoren in ihre Robotersysteme auf kleine Formfaktoren und geringen Stromverbrauch achten. Darüber hinaus sollten diese Sensoren und Kameras eine einfache Integration mit Robotersteuerungen über digitale Standardschnittstellen ermöglichen.

Wie KI sind auch intelligente Sensoren und Kameras kritische Bestandteile des Roboterdesign-Rezepts, und wie KI stecken sie noch in den Kinderschuhen. 2020 wird voraussichtlich eine größere Reife und tragfähigere kommerzielle Sensorlösungen bringen, die Robotersysteme zu geringeren Kosten und mit größerer Genauigkeit bedienen können. Dann werden Roboter ihre transformative Rolle in Lagerhallen und Fabriken verlassen und zu einem kollaborativen Werkzeug in größeren Verbraucher- und Industrielandschaften werden, anstatt nur als eigenständiges intelligentes Objekt zu arbeiten.