بیش از نیم قرن است که روبات های خودران با همکاری انسان ها در زمینه تولید صنعتی کار می کنند. از زمانی که اولین ربات صنعتی جهان در دهه 1950 توسعه یافت و مورد استفاده قرار گرفت، شرکت ها وظایف دست و پا گیر و خطرناکی را به ربات ها واگذار کردند و به کارگران این امکان را می داد تا روی کارهای تخصصی تر تمرکز کنند. امروزه کاربرد فناوری پیشرفته روباتها دیگر محدود به حوزه صنعتی نیست، بلکه در صنایع عمودی متعددی مانند مراقبتهای بهداشتی، خردهفروشی و کشاورزی نیز گسترش یافته است.
در همین حال، پیشرفتهای فناوری در زمینههایی مانند هوش مصنوعی و یادگیری ماشینی باعث ایجاد نسل جدیدی از رباتهای هوشمندتر شده است. آنها دیگر محدود به انجام کارهای تکراری نیستند، اما می توانند کارهای پیچیده تری را انجام دهند. به عنوان مثال، با کمک فن آوری هایی مانند بینایی کامپیوتری و حرکت خودکار، ربات ها می توانند وظایف مختلفی از جمله مونتاژ محصول، بازرسی کیفیت، شناسایی پیشرفته تهدید و پاسخ و غیره را انجام دهند.
به طور خلاصه، روباتهای هوشمند به یک سرمایه اصلی برای تقویت نیروی کار مدرن تبدیل شدهاند. ویژگیهای دقیق{1} و پتانسیل تقریباً نامحدود آنها برای بهبود بهرهوری غیرقابل جایگزینی است. با این حال، از آنجایی که تقاضای شرکتها برای دستیاران ربات همچنان در حال ارتقاء است، دشواری طراحی چنین سیستمهایی بهطور تصاعدی افزایش یافته است و نیاز فوری به سختافزارهای-تأخیر و عملکرد بالا- مانند آرایههای گیت قابل برنامهریزی میدانی (FPgas) برای ارائه پشتیبانی فنی وجود دارد.
چالشهای برجستهتر طراحی
رباتهای هوشمند مجهز به هوش مصنوعی در مقایسه با روباتهای سنتی نیاز به حسگرها و محرکهای بیشتری دارند، از جمله دوربینها، لیدارها، رادارها، واحدهای اندازهگیری اینرسی (IMU)، رمزگذارهای موتور، سنسورهای فشار و سایر اجزا. در همین حال، ربات همچنین باید وظایف محاسباتی پیچیده تری را در زمان واقعی انجام دهد، مانند پردازش دید سه بعدی، مکان یابی و نقشه برداری همزمان (SLAM)، و محاسبه نقطه درک.
این امر مستلزم آن است که سخت افزار سیستم های مربوطه نه تنها دارای رابط های ورودی/خروجی (I/O) بیشتری برای تطبیق با حسگرهای مختلف باشد، بلکه مجهز به ماژول های پردازشی قدرتمندتر (مانند واحدهای پردازش مرکزی (CPU)، واحدهای پردازش گرافیکی (GPU) و واحدهای پردازش شبکه عصبی (NPU)) باشد تا به عملکردهای محاسباتی پیچیده تری دست یابد. با این حال، چالشی که طراحان با آن روبرو هستند این است که تنها با تکیه بر ماژولهای پردازشی مانند cpus، اتصال با سنسورهای مختلف مورد نیاز سیستم ربات دشوار است، و همچنین نمیتواند حجم عظیمی از دادههای خام جمعآوریشده توسط سنسورها را بهطور موثر مدیریت کند.
دلایل این امر از یک سو این است که تعداد رابط های ورودی/خروجی و درجه تخصصی بودن cpus اغلب نمی تواند خواسته های توسعه دهندگان را برآورده کند. علاوه بر این، افزودن اینترفیسها به پردازنده هزینههای بالایی را به همراه دارد - واسطهای فیزیکی باید اندازه خاصی را برای دستیابی به عملکردها حفظ کنند، و افزودن رابطهای جدید به معنای اشغال فضای بیشتر تراشه است. این اساساً با واحدهای منطقی متفاوت است که به راحتی می توان آنها را کوچک کرد و در فرآیندهای تولید پیشرفته گسترش داد.
حتی اگر CPU بتواند رابطهای ورودی/خروجی تطبیقی کافی برای اتصال با روباتهای هوشمند و انتقال مستقیم مقدار زیادی از دادههای خام جمعآوریشده توسط حسگرها را به واحد پردازش فراهم کند، باز هم مشکل بازده انرژی پایین وجود دارد. علاوه بر این، CPU برای کارهای پردازش زمان واقعی مورد نیاز رباتهای هوشمند طراحی نشده است. اگر وظایف اصلی مانند همجوشی حسگر توسط CPU انجام شود، باعث تاخیر قابل توجهی در سیستم می شود و راندمان عملیاتی ربات را تا حد زیادی کاهش می دهد.
خوشبختانه، طراحان و توسعهدهندگان سختافزار برای جبران کاستیهای فنی فوقالذکر-روی توسعه محصولات مختلف نوآورانه تمرکز میکنند و FPGA یکی از آنهاست.
FPGA: یک راه حل سخت افزاری بسیار ارزشمند
FPGA یک دستگاه نیمه هادی بسیار منعطف است که می تواند به عنوان یک "پل" بین سنسورها، محرک ها و cpus عمل کند و رابط های ورودی/خروجی مختلف و متعدد مورد نیاز برای اتصال سیستم های ربات هوشمند را در اختیار توسعه دهندگان قرار دهد. در همین حال، با{1}}قدرت محاسباتی واقعی نزدیک به پایان سنسور، FPGA میتواند وظایف پردازش اختصاصی حسگرهای مختلف را انجام دهد، منابع محاسباتی سیستم را آزاد کند، و به ایجاد رباتهای هوشمندتر و پاسخگوتر مورد نیاز شرکتها کمک کند.
پس از تکمیل اولین لایه پردازش داده توسط FPGA، دادهها از طریق کانالهای استاندارد شده با پهنای باند بالا به CPU منتقل میشوند. از طریق این روش تقسیم کار، FPGA میتواند بخشی از بار محاسباتی را با CPU به اشتراک بگذارد، در مصرف انرژی برای پشتیبانی از کارهای محاسباتی با سفارش بالاتر مانند برنامهریزی مسیر، تجزیه و تحلیل خوشهای، و تشخیص اشیاء صرفهجویی کند، و به CPU اجازه میدهد تا روی بهینهسازی و تصمیمگیری تمرکز کند که در سطح سختافزار به سختی میتوان به آنها دست یافت.
این معماری سخت افزاری همچنین می تواند به توسعه دهندگان کمک کند تا بر انواع چالش های فنی زیر غلبه کنند:
قابلیت اتصال: سخت افزار FPGA درجه سفارشی سازی بسیار بالایی دارد و می تواند رابط های ورودی/خروجی بیشتری نسبت به cpus ارائه دهد. توسعه دهندگان می توانند حسگرها و محرک های بیشتری را از طریق رابط های مختلف مانند اترنت، رابط محیطی سریال (SPI)، رابط چند رسانه ای با وضوح بالا (HDMI) و رابط پردازشگر صنعت موبایل (MIPI) متصل و کنترل کنند و هزینه آن بسیار کمتر از افزودن رابط های جدید به واحد پردازش اصلی است. علاوه بر این، FPgas از چندین سطح ولتاژ و پروتکلهای ارتباطی غیر استاندارد- نیز پشتیبانی میکند و گزینههای بیشتری را در اختیار توسعهدهندگان قرار میدهد تا با سناریوهای مختلف برنامه سازگار شوند.
مصرف انرژی: FPGA میتواند محاسبات موازی سختافزاری{0}}در نزدیکی حسگرهای ربات را به دست آورد. با پردازش داده ها به صورت محلی در زمان واقعی و سپس انتقال آن به CPU، به طور موثر مصرف انرژی کلی سیستم را کاهش می دهد.
تأخیر:-قدرت محاسباتی با سرعت بالا FPGA میتواند پردازش وظایف اصلی مانند ادغام حسگر را تسریع بخشد. سرعت محاسبات را به عنوان مثال در نظر بگیرید. حسگر VLP16 liDAR 384 مجموعه داده فاصله را در هر 1.32 میلی ثانیه به شبکه منتقل می کند، در حالی که FPGA تنها به حدود 0.32 میلی ثانیه برای تکمیل پردازش این دسته از داده ها با سرعت محاسباتی 100 میلیون بار در ثانیه نیاز دارد.
با تکیه بر مزایای فنی مختلف FPGA، طراحان می توانند حسگرهای مختلف را مطابق با نیاز خود به طور انعطاف پذیر نصب کنند، از حد بالایی عملکرد ربات های هوشمند عبور کنند و به طور موثر مصرف انرژی و مشکلات سیستم را به تاخیر بیاندازند.
برای ایجاد ربات های هوشمندتر دست به دست هم دهید
با افزایش تقاضا برای رباتهای هوشمندتر و سریعتر در صنایع مختلف، توسعهدهندگان با چالشهای جدیدی روبرو هستند: طراحی سیستمهای روباتی با عملکرد بهتر بدون کاهش منابع. برای دستیابی به این هدف، توسعه دهندگان به طور فزاینده ای بر شرکت های طراحی و تولید سخت افزار تکیه می کنند تا به طور مداوم اجزای اصلی ربات ها را ارتقا دهند. هر دو طرف در حال تلاش برای هدف مشترک «افزایش عملکرد ربات در عین کاهش هزینهها، مصرف انرژی و تأخیر» هستند و توسعه آینده حوزه رباتیک را پر از امکانات بینهایت میسازد.
