Аппаратные ускорители могут значительно сократить время отклика роботов
«В планировании движения и управлении им возник разрыв в производительности на порядок: совместные приводы роботов реагируют с частотой кГц», - по словам исследовательской группы, «но многообещающие онлайн-методы для сложных роботов, например, манипуляторов, четвероногих и гуманоидов (рис. 1) ограничены до 100 Гц с помощью современного программного обеспечения ».
Оптимизация существующих моделей и кода для конкретных конструкций роботов не ликвидировала разрыв в производительности. Исследователи пишут, что некоторые вычислительные ядра, такие как вычисление градиента динамики твердого тела, занимают от 30 до 90 процентов доступной вычислительной мощности во время выполнения в новых системах нелинейного управления с прогнозированием (MPC).
Специфическая область планирования движения получила относительно мало внимания по сравнению с обнаружением столкновений, восприятием и локализацией (способность ориентироваться в трех пространствах относительно окружающей среды). Чтобы робот мог эффективно функционировать в трехмерной среде, он должен сначала воспринимать свое окружение, наносить его на карту, локализоваться на карте, а затем планировать маршрут, который ему нужно выбрать для выполнения данной задачи. Обнаружение столкновений - это часть планирования движения.
Долгосрочная цель этого исследования заключается не только в том, чтобы найти способ более эффективного планирования движения, но и в создании шаблона для аппаратного и программного обеспечения, который можно обобщить для многих различных типов роботов, ускоряя как разработку, так и время развертывания. Два ключевых утверждения документа заключаются в том, что методы оптимизации программного обеспечения для каждого робота могут быть реализованы в аппаратном обеспечении с использованием специализированных ускорителей, и что эти методы могут использоваться для создания методологии проектирования для создания упомянутых ускорителей. Это позволяет создать новую область аппаратных средств, оптимизированных для роботов, которую они назвали «роботизированные вычисления».
Методология команды основана на создании шаблона, который реализует существующий алгоритм управления один раз, демонстрируя как параллелизм, так и разреженность матрицы. Затем конкретные параметры шаблона программируются со значениями, которые соответствуют возможностям базового робота. 0-значения, содержащиеся в матрицах, соответствуют движениям, которые данный робот не может выполнить. Например, двуногий робот-гуманоид будет хранить ненулевые значения в областях матриц, которые управляют правильным движением его рук и ног. Робот с двусторонним локтевым суставом, который может свободно сгибаться в любом направлении, будет запрограммирован с другими значениями, чем робот с локтем, более похожим на человеческий. Поскольку эти конкретные модели являются производными от общего шаблона планирования движения, оценочный код для всех условий может быть реализован в специализированном аппаратном ускорителе.
Исследователи сообщают, что реализация предложенной ими структуры в FPGA, а не в CPU или GPU, снижает задержку в 8–86 раз и улучшает скорость отклика в целом в 1,9–2,9 раза, когда FPGA используется в качестве сопроцессора. Увеличение времени реакции роботов может позволить им эффективно действовать в чрезвычайных ситуациях, когда требуется быстрое реагирование.
Ключевая черта роботов и андроидов в научной фантастике - их рефлексы, превышающие человеческие. Прямо сейчас такая скорость, отображаемая андроидом, как Data, невозможна. Но отчасти причина в том, что в настоящее время мы не можем выйти за пределы наших собственных исполнительных механизмов. Повысьте, насколько быстро машина может «думать», и мы улучшим скорость ее движения.
Читать далее
Google развертывает AI, чтобы построить лучшие аппаратные ускорители AI
AI продвинулся до такой степени, что мы сейчас используем инструменты AI для создания процессоров AI.
Специализированные чипы не спасут нас от надвигающейся «стены ускорителя»
Аппаратные ускорители не решат фундаментальных проблем масштабирования производительности, с которыми мы сталкиваемся, когда закон Мура заканчивается.
Ускоритель Mini Urban-X представляет Бруклин, о котором вы всегда мечтали
Это не совсем Amazon HQ2, но инкубатор Mini Urban-X приносит больше технологий в Нью-Йорк. Цели стартапов: сделать города веселее и пригоднее для жизни. Даже если это означает замену некоторых автомобилей.