Robôs autônomos trabalham em colaboração com humanos na área de manufatura industrial há mais de meio século. Desde que o primeiro robô industrial do mundo foi desenvolvido e colocado em uso na década de 1950, as empresas confiaram aos robôs tarefas pesadas e perigosas, permitindo que os trabalhadores se concentrassem em trabalhos mais especializados. Hoje em dia, a aplicação de tecnologia robótica avançada não está mais confinada ao campo industrial, mas também se expandiu para inúmeras indústrias verticais, como saúde, varejo e agricultura.
Entretanto, os avanços tecnológicos em domínios como a inteligência artificial e a aprendizagem automática deram origem a uma nova geração de robôs mais inteligentes. Eles não estão mais limitados à execução de tarefas repetitivas, mas podem realizar trabalhos mais complexos. Por exemplo, com a ajuda de tecnologias como visão computacional e movimento autônomo, os robôs podem realizar diversas tarefas, incluindo montagem de produtos, inspeção de qualidade, identificação e resposta avançada a ameaças, etc.
Em suma, os robôs inteligentes tornaram-se um trunfo essencial para o fortalecimento da força de trabalho moderna. Seus recursos de alta-precisão e potencial quase ilimitado para melhoria de produtividade são insubstituíveis. No entanto, à medida que as demandas das empresas por assistentes robóticos continuam a ser atualizadas, a dificuldade de projeto de tais sistemas cresceu exponencialmente e há uma necessidade urgente de hardware de baixa-latência e alto{4}}desempenho, como matrizes de portas programáveis em campo (FPgas), para fornecer suporte técnico.
Os desafios de design cada vez mais proeminentes
Os robôs inteligentes equipados com inteligência artificial precisam de ser equipados com mais sensores e atuadores em comparação com os robôs tradicionais, incluindo câmaras, lidars, radares, unidades de medição inercial (IMUs), codificadores de motores, sensores de pressão e outros componentes. Enquanto isso, o robô também precisa realizar tarefas computacionais mais complexas em tempo real, como processamento de visão 3D, localização e mapeamento simultâneos (SLAM) e cálculo de pontos de preensão.
Isto requer que o hardware dos sistemas relevantes não só tenha mais interfaces de entrada/saída (E/S) para se adaptar a vários sensores, mas também seja equipado com módulos de processamento mais poderosos (como unidades centrais de processamento (CPU), unidades de processamento gráfico (GPU) e unidades de processamento de rede neural (NPU)) para alcançar funções de computação mais complexas. No entanto, o desafio enfrentado pelos projetistas é que, dependendo apenas de módulos de processamento como CPUs, é difícil conectar-se aos vários sensores exigidos pelo sistema robótico, nem é possível lidar com eficiência com a enorme quantidade de dados brutos coletados pelos sensores.
As razões para isso são, por um lado, que o número de interfaces de E/S e o grau de especialização das CPUs muitas vezes não atendem às demandas dos desenvolvedores. Além disso, simplesmente adicionar interfaces ao processador incorre em custos elevados - as interfaces físicas precisam manter um tamanho específico para realizar funções, e adicionar novas interfaces significa ocupar mais área do chip. Isto é fundamentalmente diferente das unidades lógicas que podem ser facilmente miniaturizadas e expandidas em processos de fabricação avançados.
Mesmo que a CPU possa fornecer interfaces de E/S adaptativas suficientes para se conectar com robôs inteligentes e transmitir diretamente a grande quantidade de dados brutos coletados pelos sensores para a unidade de processamento, ainda há um problema de baixa eficiência energética. Além disso, a CPU não foi projetada para as tarefas de processamento-em tempo real exigidas por robôs inteligentes. Se tarefas essenciais, como fusão de sensores, forem realizadas pela CPU, isso causará atrasos significativos no sistema e reduzirá bastante a eficiência operacional do robô.
Felizmente, os designers e desenvolvedores de hardware estão se concentrando no desenvolvimento de vários produtos inovadores para compensar as-deficiências técnicas mencionadas acima, e o FPGA é uma delas.
FPGA: uma solução de hardware altamente valiosa
FPGA é um dispositivo semicondutor altamente flexível que pode servir como uma “ponte” entre sensores, atuadores e CPUs, fornecendo aos desenvolvedores diversas e numerosas interfaces de E/S necessárias para a conexão de sistemas robóticos inteligentes. Enquanto isso, com o poder de computação-em tempo real próximo ao sensor, o FPGA pode realizar as tarefas de processamento dedicadas subjacentes de vários sensores, liberar recursos de computação do sistema e ajudar a criar robôs mais inteligentes e responsivos que as empresas precisam.
Depois que a primeira camada de processamento de dados for concluída pelo FPGA, os dados serão transmitidos à CPU por meio de canais padronizados de alta-largura de banda. Por meio desse método de divisão de tarefas, o FPGA pode compartilhar parte da carga de computação com a CPU, economizar consumo de energia para suportar tarefas de computação de{2}}ordem superior, como planejamento de trajetória, análise de cluster e detecção de objetos, permitindo que a CPU se concentre em lidar com tarefas de otimização e tomada de decisões-que são difíceis de realizar no nível do hardware.
Essa arquitetura de hardware também pode ajudar os desenvolvedores a superar os seguintes tipos de desafios técnicos:
Conectividade: O hardware FPGA possui um grau extremamente alto de personalização e pode fornecer mais interfaces de E/S do que cpus. Os desenvolvedores podem conectar e controlar mais sensores e atuadores por meio de várias interfaces, como Ethernet, Interface Periférica Serial (SPI), Interface Multimídia de Alta Definição (HDMI) e Interface de Processador da Indústria Móvel (MIPI), e o custo é muito menor do que adicionar novas interfaces à unidade de processamento principal. Além disso, os FPgas também suportam vários níveis de tensão e protocolos de comunicação não{2}}padrão, proporcionando aos desenvolvedores mais opções de adaptação a diferentes cenários de aplicação.
Consumo de energia: o FPGA pode alcançar computação paralela em nível de hardware próximo aos sensores do robô. Ao processar os dados localmente em tempo real e depois transmiti-los para a CPU, reduz efetivamente o consumo geral de energia do sistema.
Latência: o poder de computação de alta-velocidade do FPGA pode acelerar o processamento de tarefas essenciais, como a fusão de sensores - essa tarefa pode integrar os dados coletados de diferentes sensores, como câmeras e lidars, para formar uma imagem completa de percepção ambiental, aumentando assim a precisão do julgamento e a capacidade de{2}}tomada de decisão dos robôs. Tomemos como exemplo a velocidade da computação. O sensor VLP16 liDAR transmite 384 conjuntos de dados de distância para a rede a cada 1,32 milissegundos, enquanto o FPGA precisa apenas de cerca de 0,32 milissegundos para completar o processamento desse lote de dados, com uma velocidade de computação de 100 milhões de vezes por segundo.
Contando com as diversas vantagens técnicas do FPGA, os projetistas podem instalar com flexibilidade vários sensores de acordo com suas necessidades, ultrapassar o limite superior de desempenho dos robôs inteligentes e resolver com eficácia os problemas de consumo de energia e atraso do sistema ao mesmo tempo.
Dê as mãos para criar robôs mais inteligentes
À medida que a procura por robôs mais inteligentes e rápidos em vários setores continua a aumentar, os desenvolvedores enfrentam novos desafios: projetar sistemas robóticos com melhor desempenho sem esgotar os recursos. Para atingir esse objetivo, os desenvolvedores confiam cada vez mais nas empresas de design e fabricação de hardware para atualizar continuamente os componentes principais dos robôs. Ambas as partes estão a trabalhar para o objectivo comum de "melhorar o desempenho dos robôs e, ao mesmo tempo, reduzir custos, consumo de energia e latência", tornando o desenvolvimento futuro do campo da robótica repleto de possibilidades infinitas.
