Robot otonom telah bekerja sama dengan manusia di bidang industri manufaktur selama lebih dari setengah abad. Sejak robot industri pertama di dunia dikembangkan dan digunakan pada tahun 1950an, perusahaan telah mempercayakan robot dengan tugas-tugas yang rumit dan berbahaya, sehingga memungkinkan pekerja untuk fokus pada pekerjaan yang lebih terspesialisasi. Saat ini, penerapan teknologi robot canggih tidak lagi terbatas pada bidang industri saja, namun sudah meluas ke berbagai industri vertikal seperti kesehatan, ritel, dan pertanian.
Sementara itu, terobosan teknologi di bidang-bidang seperti kecerdasan buatan dan pembelajaran mesin telah melahirkan generasi baru robot yang lebih cerdas. Mereka tidak lagi terbatas pada melakukan tugas yang berulang-ulang tetapi dapat melakukan pekerjaan yang lebih kompleks. Misalnya, dengan bantuan teknologi seperti visi komputer dan pergerakan otonom, robot dapat menangani berbagai tugas termasuk perakitan produk, pemeriksaan kualitas, identifikasi dan respons ancaman tingkat lanjut, dll.
Singkatnya, robot cerdas telah menjadi aset inti untuk memperkuat angkatan kerja modern. Fitur-presisi tinggi dan potensi peningkatan produktivitas yang hampir tak terbatas tidak dapat digantikan. Namun, seiring dengan meningkatnya permintaan perusahaan akan asisten robot, kesulitan desain sistem tersebut telah meningkat secara eksponensial, dan terdapat kebutuhan mendesak akan perangkat keras-latensi rendah dan-performa tinggi seperti Field Programmable Gate array (FPgas) untuk memberikan dukungan teknis.
Tantangan desain semakin menonjol
Robot cerdas yang dilengkapi dengan kecerdasan buatan perlu dilengkapi dengan lebih banyak sensor dan aktuator dibandingkan robot tradisional, termasuk kamera, lidar, radar, unit pengukuran inersia (IMU), encoder motor, sensor tekanan, dan komponen lainnya. Sementara itu, robot juga perlu menyelesaikan tugas komputasi yang lebih kompleks secara real time, seperti pemrosesan visi 3D, lokalisasi dan pemetaan simultan (SLAM), dan penghitungan titik genggaman.
Hal ini memerlukan perangkat keras dari sistem yang relevan tidak hanya memiliki lebih banyak antarmuka input/output (I/O) untuk beradaptasi dengan berbagai sensor, tetapi juga dilengkapi dengan modul pemrosesan yang lebih kuat (seperti unit pemrosesan pusat (CPU), unit pemrosesan grafis (GPU), dan unit pemrosesan jaringan saraf (NPU)) untuk mencapai fungsi komputasi yang lebih kompleks. Namun, tantangan yang dihadapi oleh para desainer adalah bahwa hanya mengandalkan modul pemrosesan seperti CPU, sulit untuk terhubung dengan berbagai sensor yang diperlukan oleh sistem robot, dan juga tidak dapat secara efisien menangani sejumlah besar data mentah yang dikumpulkan oleh sensor.
Alasannya adalah, di satu sisi, jumlah antarmuka I/O dan tingkat spesialisasi CPU sering kali gagal memenuhi permintaan pengembang. Selain itu, menambahkan antarmuka ke prosesor saja memerlukan biaya tinggi - antarmuka fisik perlu mempertahankan ukuran tertentu untuk mencapai fungsi, dan menambahkan antarmuka baru berarti menempati lebih banyak area chip. Hal ini pada dasarnya berbeda dari unit logika yang dapat dengan mudah diperkecil dan diperluas dalam proses manufaktur tingkat lanjut.
Meskipun CPU dapat menyediakan antarmuka I/O adaptif yang memadai untuk terhubung dengan robot cerdas dan secara langsung mengirimkan sejumlah besar data mentah yang dikumpulkan oleh sensor ke unit pemrosesan, masih terdapat masalah efisiensi energi yang rendah. Selain itu, CPU tidak dirancang untuk-tugas pemrosesan real-time yang diperlukan oleh robot cerdas. Jika tugas inti seperti fusi sensor ditangani oleh CPU, hal ini akan menyebabkan penundaan yang signifikan pada sistem dan sangat mengurangi efisiensi operasional robot.
Untungnya, perancang dan pengembang perangkat keras berkonsentrasi pada pengembangan berbagai produk inovatif untuk menutupi-kekurangan teknis yang disebutkan di atas, dan FPGA adalah salah satunya.
FPGA: Solusi perangkat keras yang sangat berharga
FPGA adalah perangkat semikonduktor yang sangat fleksibel yang dapat berfungsi sebagai "jembatan" antara sensor, aktuator, dan CPU, menyediakan pengembang berbagai antarmuka I/O yang diperlukan untuk koneksi sistem robot cerdas. Sementara itu, dengan kekuatan komputasi-waktu nyata di dekat ujung sensor, FPGA dapat melakukan tugas pemrosesan khusus yang mendasari berbagai sensor, melepaskan sumber daya komputasi sistem, dan membantu menciptakan robot yang lebih cerdas dan responsif yang dibutuhkan perusahaan.
Setelah pemrosesan data lapisan pertama diselesaikan oleh FPGA, data akan dikirim ke CPU melalui saluran-bandwidth tinggi yang terstandarisasi. Melalui metode pemisahan tugas ini, FPGA dapat berbagi sebagian beban komputasi dengan CPU, menghemat konsumsi energi untuk mendukung-tugas komputasi tingkat tinggi seperti perencanaan lintasan, analisis kluster, dan deteksi objek, sehingga CPU dapat fokus pada penanganan tugas pengoptimalan dan-pengambilan keputusan yang sulit dicapai pada tingkat perangkat keras.
Arsitektur perangkat keras ini juga dapat membantu pengembang mengatasi jenis tantangan teknis berikut:
Konektivitas: Perangkat keras FPGA memiliki tingkat penyesuaian yang sangat tinggi dan dapat menyediakan lebih banyak antarmuka I/O daripada CPU. Pengembang dapat menghubungkan dan mengontrol lebih banyak sensor dan aktuator melalui berbagai antarmuka seperti Ethernet, Serial Peripheral Interface (SPI), High Definition Multimedia Interface (HDMI), dan Mobile Industry Processor Interface (MIPI), dan biayanya jauh lebih rendah daripada menambahkan antarmuka baru ke unit pemrosesan utama. Selain itu, FPgas juga mendukung berbagai level tegangan dan protokol komunikasi non-standar, sehingga memberikan lebih banyak opsi kepada pengembang untuk beradaptasi dengan berbagai skenario aplikasi.
Konsumsi energi: FPGA dapat mencapai komputasi paralel tingkat perangkat keras-di dekat sensor robot. Dengan memproses data secara lokal secara real-time dan kemudian mengirimkannya ke CPU, hal ini secara efektif mengurangi konsumsi energi sistem secara keseluruhan.
Latensi: Kekuatan komputasi-kecepatan tinggi FPGA dapat mempercepat pemrosesan tugas inti seperti fusi sensor - tugas ini dapat mengintegrasikan data yang dikumpulkan dari berbagai sensor seperti kamera dan lidar untuk membentuk gambaran persepsi lingkungan yang lengkap, sehingga meningkatkan akurasi penilaian dan kemampuan-pengambilan keputusan robot. Ambil kecepatan komputasi sebagai contoh. Sensor liDAR VLP16 mentransmisikan 384 set data jarak ke jaringan setiap 1,32 milidetik, sedangkan FPGA hanya membutuhkan sekitar 0,32 milidetik untuk menyelesaikan pemrosesan kumpulan data ini, dengan kecepatan komputasi 100 juta kali per detik.
Mengandalkan berbagai keunggulan teknis FPGA, perancang dapat secara fleksibel memasang berbagai sensor sesuai kebutuhan mereka, menembus batas atas kinerja robot cerdas, dan secara efektif menyelesaikan masalah konsumsi energi dan penundaan sistem pada saat yang bersamaan.
Bergabunglah untuk menciptakan robot yang lebih cerdas
Ketika permintaan akan robot yang lebih cerdas dan cepat di berbagai industri terus meningkat, para pengembang menghadapi tantangan baru: merancang sistem robot dengan kinerja yang lebih baik tanpa menghabiskan sumber daya. Untuk mencapai tujuan ini, pengembang semakin mengandalkan desain perangkat keras dan perusahaan manufaktur untuk terus meningkatkan komponen inti robot. Kedua belah pihak berupaya mencapai tujuan bersama yaitu "meningkatkan kinerja robot sekaligus mengurangi biaya, konsumsi energi, dan latensi", menjadikan pengembangan masa depan bidang robotika penuh dengan kemungkinan tak terbatas.





