Memikirkan kembali perangkat keras komputasi untuk robot

Memikirkan kembali perangkat keras komputasi untuk robot

Perangkat keras robot : Perangkat keras dalam robotika sering mengacu pada satu set motor, sambungan, dan sensor yang digunakan untuk membuat dan mengontrol gerakan yang diperlukan untuk menyelesaikan tugas yang diberikan. Saat ini, seiring dengan berkembangnya aplikasi robot dari lingkungan yang terkendali di lantai pabrik ke lingkungan alami yang tidak terlalu dibatasi bersama dengan manusia dan agen lainnya, pembuatan gerakan yang kuat dan aman membutuhkan komputasi yang lebih banyak secara progresif untuk menyelesaikan tugas persepsi, perencanaan, dan kontrol yang menyertainya. Peningkatan beban komputasi ini meningkatkan persyaratan untuk perangkat keras komputasi dalam robotika. Memang, pengembangan perangkat keras komputasi selama beberapa dekade bersama dengan kemajuan perangkat lunak [khususnya kecerdasan buatan (AI) dan pembelajaran mesin] menjanjikan untuk membawa visi robot bantu cerdas dalam jangkauan. Untuk menutupi peregangan yang tampaknya terakhir, bagaimanapun, inovasi diperlukan dalam cara komputasi dilakukan. Edisi khusus bulan ini mencakup perangkat keras komputasi untuk robot, dengan pandangan sekilas ke masa depan platform komputasi yang memungkinkan komputasi yang efisien dan cepat tepat pada saat dan di mana diperlukan untuk menyelesaikan tugas perseptual dan kontrol yang kompleks.

Foehn dkk. mulai dengan argumen yang kuat untuk platform penelitian dan pengembangan terbuka yang mencakup perangkat keras robot, perangkat lunak, platform komputasi, dan simulasi. Platform bersama tersebut memungkinkan peneliti untuk fokus pada pengembangan algoritmik yang diperlukan dan membuatnya lebih mudah untuk membandingkan dan membandingkan pendekatan yang berbeda. Standardisasi diperlukan untuk mempercepat kemajuan di lapangan, memfasilitasi pertukaran produktif dan integrasi perangkat lunak, perangkat keras, dan komponen algoritmik.

Contoh sistem robot yang sangat terbatas sumber dayanya adalah kendaraan udara tanpa awak (UAV): UAV harus cepat, ringan, dan hemat energi. de Croon dkk. memberikan dalam Tinjauan mereka berbagai contoh solusi komputasi untuk tugas terkait UAV—penghindaran rintangan dan mengikuti target, kontrol ketinggian, dan pendaratan—yang terinspirasi oleh otak serangga. Biologi memberikan inspirasi untuk solusi elegan yang memanfaatkan perwujudan hewan, koordinasi sensorimotor yang ketat, berkerumun, dan hemat, yaitu, banyak sirkuit tujuan khusus. Wawasan penting dari solusi ini adalah bahwa integrasi erat antara algoritme dan perangkat keras menghasilkan sistem yang sangat ringkas, kuat, dan efisien. Platform perangkat keras dari mikrokontroler hingga chip neuromorfik dapat mendukung algoritme yang diilhami secara biologis. Perhatian khusus harus ditujukan pada antarmuka antara komputasi dan perangkat keras yang menghasilkan gerakan.

Dari drone hingga robot humanoid, persepsi tetap menjadi hambatan utama bagi perilaku cerdas di dunia nyata. Persepsi distal (penglihatan) dan proksimal (sentuhan) menimbulkan tantangan mendasar pada batas antara perangkat keras robotik dan komputasi. Dudek dkk. menyajikan sejarah dan perspektif masa depan untuk penginderaan visual yang efisien terinspirasi oleh visi biologis. Dalam sistem saraf biologis, sebagian besar komputasi diturunkan ke perifer—retina dan struktur otak subkortikal seperti kolikulus superior. SCAMP-5 adalah contoh sensor yang mengintegrasikan elemen komputasi secara langsung ke dalam susunan piksel sensor. Hal ini memungkinkan kita untuk melakukan komputasi—seperti ekstraksi fitur, deteksi objek, atau pelacakan—pada sensor itu sendiri, hanya mengeluarkan data yang diproses, sehingga mengurangi kepadatan dan tuntutan pada bandwidth komunikasi dan komputasi berikutnya. Para penulis ini telah menunjukkan deteksi dan pelacakan objek untuk drone gesit pada 2000 frame per detik (fps) dan odometri visual pada 1000 fps, semuanya pada konsumsi daya puncak 1,25 W.

Inspirasi biologis juga mendorong penelitian pada kulit buatan, menangani penginderaan haptik proksimal. Liu dkk. berpendapat bahwa kulit pintar membutuhkan memori jangka pendek dan jangka panjang dan pembelajaran dalam perangkat keras untuk melakukan komputasi yang diperlukan untuk menganalisis pola sentuhan yang timbul dalam interaksi robot secara efisien. Barreiros dkk. menghadirkan sensor seperti kulit yang canggih berdasarkan pengukuran penangkapan optik, sedangkan Park et al. menghadirkan kulit elastis yang terinspirasi bio dengan penginderaan berbasis mikrofon dan elektroda. Liu dkk. memberikan ulasan tentang teknologi saat ini untuk kulit pintar, dengan struktur komputasi yang terintegrasi langsung ke dalam sensor.

Keuntungan dari pembongkaran perhitungan ke pinggiran adalah wawasan penting dari biologi. Namun, komputasi pusat tetap menjadi kunci untuk robot yang benar-benar cerdas yang dapat mengintegrasikan informasi multimodal pada skala dan resolusi temporal dan spasial yang berbeda. Perangkat keras komputasi neuromorfik muncul saat ini sebagai paradigma komputasi yang menggantikan platform lain—central processing unit (CPU), graphics processing unit (GPU), dan field programmable gate array (FPGA). Ma dkk. menyajikan karya menarik tentang topik yang menantang dari algoritma menjembatani dan perangkat keras neuromorfik. Para penulis menekankan sifat sistem perangkat keras neuromorfik yang membuat mereka menjanjikan dalam robotika: modularitas dan fleksibilitas, dimungkinkan oleh paralelisme tingkat tinggi dan implementasi yang digerakkan oleh peristiwa asinkron, serta pembelajaran dalam perangkat keras yang diwujudkan sebagai plastisitas sinaptik dan adaptasi saraf. Sudut Pandang yang ditulis oleh kolaborator saya dan saya memberikan ikhtisar tentang platform perangkat keras neuromorfik yang tersedia saat ini melalui penelitian akademis, perusahaan baru, dan industri dan berpendapat bahwa platform perangkat keras ini cocok dengan tugas robotik untuk menghasilkan gerakan yang kuat. Bagaimanapun, otak biologis yang mengilhami chip neuromorfik berevolusi untuk bergerak dan menyelesaikan tugas di lingkungan dunia nyata kita.

Tugas robotik dengan keserbagunaannya dan tuntutan ketat pada waktu dan energi komputasi memerlukan pemikiran ulang pendekatan komputasi saat ini. Hari ini, kami memisahkan perangkat keras komputasi dari algoritme melalui banyak lapisan abstraksi, yang paling mendasar didasarkan pada konsep mesin Turing—perangkat komputasi sekuensial yang mendasar dengan pemisahan memori yang menyimpan variabel dan program dan CPU yang melakukan operasi dan membaca dan menulis simbol ke dalam memori. Kemajuan teknologi saat ini memungkinkan jenis baru perangkat keras komputasi paralel yang fundamental dengan memori terdistribusi, yang cocok dengan algoritme yang diperlukan untuk mengaktifkan kemampuan robot utama. Edisi khusus ini memberikan gambaran sekilas tentang kemajuan ini, membuka perspektif menarik yang dapat mengubah masa depan AI dan robotika.

Perangkat Keras