Belangrijke technologieën komen samen in geavanceerde robotsystemen

Net wanneer robotontwerpen de commerciële arena betreden om de productie-, logistieke en dienstverlenende sector te bedienen, is het van cruciaal belang om de belangrijkste struikelblokken te schetsen die de grotere acceptatie van robots nog steeds belemmeren.

Hoewel hardware en software in robotsystemen drastisch zijn verbeterd, laat hun snel evoluerende ontwerptraject zien dat er veel gebeurt om deze apparaten nuttiger en intelligenter te maken in een verscheidenheid aan toepassingen, waaronder landbouw, opslag, leverings- en inspectiediensten, slimme productie en meer.

Simpel gezegd, een robot - na input van sensoren en camera's - lokaliseert zichzelf en begint zijn omgeving waar te nemen. Vervolgens herkent en voorspelt het de beweging van objecten in de buurt en plant vervolgens zijn eigen beweging terwijl het de wederzijdse veiligheid van zichzelf en objecten in de buurt garandeert. Al deze acties brengen veel verwerkingshandelingen en stroomverbruik met zich mee.

Er zijn drie primaire locaties voor stroomverbruik in robotsystemen:motoren en controllers die robots aandrijven of besturen, detectiesystemen en verwerkingsplatforms. Er is een nieuwe generatie slimmere en energiezuinige sensoren nodig om snel en nauwkeurig de oriëntatie en positie van het robotlichaam vast te stellen tegen lagere kosten en met lagere energiekosten. Het is ook vermeldenswaard dat robots niet snel bewegen, dus ze hebben over het algemeen geen geavanceerde processors nodig die werken op multi-gigahertz-snelheden.

Hier, op dit technologische kruispunt, leiden alle vereisten of ontwerpuitdagingen om robots naar massale implementaties te brengen naar een belangrijke bouwsteen:system-on-chip (SoC). Het gebruikt diverse detectiesystemen en krachtige algoritmen voor kunstmatige intelligentie (AI) om een ​​nieuwe generatie commerciële robots mogelijk te maken.

Oproep voor nieuwe SoC's

Een tiental algoritmen worden meestal gelijktijdig en in realtime verwerkt om robotoperaties uit te voeren die odometrie, padplanning, visie en perceptie omvatten. Dat vraagt ​​om een ​​nieuwe oogst van SoC's die integratie naar een geheel nieuw niveau kunnen tillen. Deze SoC's zijn vereist voor gespecialiseerde toepassingen zoals schaarse codering, padplanning en simultane lokalisatie en mapping (SLAM).

Qualcomm's SDA/SDM845-chip (Figuur 1 ) benadrukt dat nieuwe niveau van integratie. Naast een octa-core Kyro CPU die draait op 2,8 GHz, beschikt hij over een Hexagon 685 DSP voor AI-verwerking op het apparaat en voor mobiel geoptimaliseerde computervisie voor perceptie, navigatie en manipulatie. Een dubbele 14-bits Spectra 280 beeldsignaalprocessor (ISP) ondersteunt tot 32 megapixel (MP) camera's en tot 4K-video-opname met 60 frames per seconde.

Figuur 1:De architecturale bouwstenen van de Qualcomm SDM845-chip voor robotontwerpen (Afbeelding:Qualcomm)

Het SoC-platform beschikt ook over een beveiligde verwerkingseenheid (SPU) om beveiligingsmogelijkheden zoals veilig opstarten, cryptografische versnellers en een vertrouwde uitvoeringsomgeving (TEE) te vergemakkelijken. Voor connectiviteit ondersteunt het Wi-Fi-verbindingen, terwijl het ernaar streeft 5G toe te voegen om lage latentie en hoge doorvoer voor industriële robots mogelijk te maken.

Qualcomm heeft ook het Robotics RB3-platform geïntroduceerd dat is gebouwd rond de SDA/SDM845-chip. Het wordt vergezeld van het DragonBoard 845c-ontwikkelbord en een kit voor het maken van prototypes van robotontwerpen.

De hyperintegratieschijf is ook zichtbaar in embedded modules zoals Nvidia's Jetson Xavier (Figuur 2 ), gericht op bezorg- en logistieke robots. Het robotcomputerplatform omvat 9 miljard transistors en levert meer dan 30 biljoen bewerkingen per seconde (TOPS). En het beschikt over zes processors:een acht-core ARM64 CPU, een Volta Tensor Core GPU, dubbele NVIDIA deep-learning accelerators (NVDLA's), een beeldprocessor, een vision-processor en een videoprocessor.

Zoals de bovenstaande ontwerpvoorbeelden laten zien, zijn AI-versnellers een belangrijke bouwsteen in SoC's en modules voor robotontwerp. Een nadere blik laat ook zien hoe AI samenwerkt met sensoren en actuatoren om taken uit te voeren zoals waarneming, lokalisatie, kaarten en navigatie.

AI-integratie:een werk in uitvoering

Als het gaat om het verbeteren van de kwaliteit en nauwkeurigheid van de reactie van een robot op een bepaalde situatie of taak, wordt de rol van AI-technologie van cruciaal belang, vooral bij objectdetectie en -herkenning.

AI brengt robots verder dan de automatisering die wordt geboden door rigide programmeermodellen en stelt ze in staat om natuurlijker en nauwkeuriger met hun omgeving te communiceren. Hier werken AI-componenten hand in hand met de beeldverwerkingsfunctie van de robot om taken te automatiseren die voorheen door mensen werden uitgevoerd.

Robotontwerpers moeten echter meer AI-functies toevoegen zonder de componentgrootte en het stroomverbruik te vergroten. Naast vermogensbeperkingen in robotontwerpen, wordt de commerciële acceptatie van robots ook belemmerd door grote apparaatvormfactoren.

Figuur 2:De Jetson Xavier-module van 80 × 87 mm claimt rekenprestaties op werkstationniveau op 1/10 van de grootte van een werkstationverwerkingsapparaat. (Afbeelding:Nvidia)

Een ander kritiek punt is de ondersteuning van een verscheidenheid aan AI-frameworks wanneer industriële en servicerobots inferentiemodellen beginnen te implementeren voor oriëntatiedetectie en positieschatting.

Slimme sensoren gezocht

Robotsystemen zoals stofzuigers en hoverboards vereisen ongelooflijk stabiele en krachtige sensoren die kunnen werken in omgevingen met veel trillingen. De uiterst nauwkeurige verwerking van sensorelementen stelt ontwerpers voor extra uitdagingen. Als ze bijvoorbeeld software gebruiken om bewegingssensoren zoals versnellers en gyroscopen te besturen, verhoogt dat zowel de kosten als de ontwikkelingstijd die nodig is voor softwareontwikkeling.

Daarom hebben robotsystemen meer geïntegreerde sensoroplossingen nodig. Voor het eerder genoemde Qualcomm Robotics RB3-platform biedt InvenSense, nu een TDK-bedrijf, een aantal sensoren en microfoons met een laag vermogen, strakke gevoeligheidsaanpassing en een hoog akoestisch overbelastingspunt (AOP).

Het RB3-platform maakt gebruik van InvenSense's zesassige traagheidsmeeteenheden (IMU's), bestaande uit een drieassige gyroscoop en drieassige versnellingsmeter, een capacitieve barometrische druksensor en multi-mode digitale microfoons. De IMU's kwantificeren externe realtime klokmetingen om nauwkeurige nauwkeurigheid te garanderen, terwijl de druksensor de relatieve nauwkeurigheid van 10 cm hoogteverschil meet.

Naast bewegingssensoren maken robots in toenemende mate gebruik van slimme sensor- en camera-oplossingen die zijn uitgerust met op SLAM gebaseerde navigatiesystemen waarmee de robots kunnen voldoen aan uitdagende eisen in levensechte omgevingen. Bovendien bevatten deze sensoren en camera's machine learning-mogelijkheden om 3D-vision-systemen in robots te laten werken.

Ontwikkelaars moeten echter zorgen voor kleine vormfactoren en een laag stroomverbruik terwijl ze deze sensoren met hoge resolutie in hun robotsystemen integreren. Bovendien moeten deze sensoren en camera's eenvoudig kunnen worden geïntegreerd met robotcontrollers via standaard digitale interfaces.

Net als AI zijn slimme sensoren en camera's cruciale ingrediënten in het recept voor robotontwerp, en net als AI staan ​​ze nog in de kinderschoenen. 2020 zal naar verwachting leiden tot meer volwassenheid en meer levensvatbare commerciële detectieoplossingen die robotsystemen kunnen bedienen tegen lagere kosten en met grotere nauwkeurigheid. Op dat moment zullen robots verder gaan dan hun transformerende rol in magazijnen en fabrieken en een samenwerkingstool worden in grotere consumenten- en industriële landschappen in plaats van alleen als een op zichzelf staand intelligent object te werken.