Molti team di robotica si trovano prima o poi a doversi confrontare con una domanda frequente: il silicio ha un grandissimo potenziale, i numeri dei benchmark sono convincenti e la demo gira senza problemi. Nonostante ciò, perché allora servono ancora diciotto mesi per portare a termine un robot che sia pronto per l’installazione? Raramente la risposta e la può fornire il processore, piuttosto è tutto ciò che lo circonda.
Oggi la domanda vera che si pongono gli sviluppatori di robotica autonoma non è quale modulo computazionale offra il picco di throughput più alto. È: “Come passare più velocemente da un insieme di silicio ad alto potenziale a un robot funzionante, validato e orientato alla produzione?”
Una piattaforma chiavi in mano
Le architetture della robotica autonoma stanno cambiando. I sistemi che un tempo si basavano su microcontrollori distribuiti, ciascuno dedicato a una singola funzione di sensing, movimento o comunicazione, stanno convergendo verso un compute robotico più centralizzato e abilitato all’intelligenza artificiale.
La piattaforma AMD Kria™ AI Robotics Developer Platform rispecchia questo cambiamento. Offre una piattaforma chiavi in mano, aperta e completamente integrata per la robotica autonoma, coprendo l’intero spettro della robotica, dai robot industriali e AMR fino ai manipolatori mobili e ai robot umanoidi. Kria AI Robotics Developer Platform accelera il percorso degli sviluppatori, dal concept alla progettazione e al prototipo. La potenza computazionale è fornita dal Kria AI SOM, che integra CPU, iGPU, NPU e risorse di memoria unificata in un unico dispositivo. Un FPGA e uno stack di sensing e connettività ADI completano l’offerta insieme al SOM.
La piattaforma è supportata dall’AMD Robotics Software Suite basata sul software AMD ROCm. Include uno stack runtime open source, con Linux, ROS 2, PyTorch, TensorFlow, Docker e librerie di percezione accelerate via hardware con cui gli sviluppatori hanno già familiarità.
L’aspetto della familiarità è importante; per molti programmi di robotica, Linux su x86 non è un compromesso ma l’ambiente di sviluppo giusto. Di conseguenza i team avanzano più rapidamente quando non devono perdere tempo a imparare sistemi di sviluppo proprietari.
La sfida dell’integrazione che rallenta i programmi di robotica
Anche su una piattaforma computazionale ad alta capacità, il lavoro di integrazione assorbe quantità enormi di tempo che non ha nulla a che fare con l’autonomia. Sebbene queste rappresentino sfide ben note, ogni nuovo progetto hardware ne richiede la risoluzione da zero, ogni volta. Sostanzialmente sono cinque le problematiche che ricorrono frequentemente nei progetti:
1) Complessità del cablaggio multi-camera
I robot basati sulla percezione visiva necessitano spesso di quattro, sei o più sistemi di acquisizione video. Gestire il cablaggio di così tanti sensori, mantenere l’integrità del segnale, l’allineamento temporale, l’alimentazione per singola camera e instradare tutto verso un nodo computazionale centrale diventa rapidamente un problema di progettazione meccanica ed elettrica a sé stante.
2) Localizzazione in ambienti reali
Il sensing inerziale è essenziale laddove i feedback di camere e LiDAR non sono più completamente affidabili; ad esempio nei magazzini scarsamente illuminati, con pavimenti riflettenti o corridoi privi di elementi distintivi. Integrare un’IMU ad alta stabilità con timestamping corretto e supporto driver ROS 2 è molto più di una decisione di procurement; è un’attività di calibrazione e integrazione software.
3) Overhead dell’elaborazione della profondità
I sensori di profondità generano dati 3D densi che devono essere filtrati, allineati e miscelati con altri flussi sensoriali in tempo reale. Senza pipeline accelerate via hardware, questo lavoro entra in conflitto direttamente con navigazione e pianificazione sulla CPU host.
4) Controllo del movimento safety-critical
Un’attuazione precisa richiede più dell’invio di comandi di velocità su di un bus. Interfacce di controllo motore, connessioni field-bus isolate, feedback degli encoder e sensing di corrente devono essere tutti integrati e validati come sistema sotto vibrazioni e variazioni di temperatura tipiche del deployment reale.
5) Tempo di bring-up ROS 2
Il costo più sottovalutato in qualsiasi programma di robotica è il tempo necessario per esporre i sottosistemi hardware attraverso ROS 2. Ogni sensore e attuatore richiede un driver, un binding hardware, un nodo ROS 2, tipologie di messaggio testate e tempistiche validate. I team che costruiscono commodity su board devono scrivere tutto questo da zero.
Di conseguenza, i team perdono tempo prezioso dedicandosi a un sottosistema alla volta: nella selezione dei componenti, nella costruzione di hardware carrier, nel porting di driver Linux, nella validazione del timing dei sensori, nel cablaggio delle camere e nell’esposizione delle interfacce a ROS 2.
Non solo un cervello ma un sistema nervoso pronto per il robot
AMD sta adottando un approccio diverso per abilitare la robotica autonoma, combinando la nuova Kria AI Robotics Developer Platform con le soluzioni ADI. Invece di ottimizzare un singolo livello e lasciare il resto allo sviluppatore, questa collaborazione offre ciò di cui un robot ha realmente bisogno: una fondazione verificata a livello di sistema che funzioni come un sistema nervoso, non solo come un cervello.
Il Kria AI SOM è abbinato a un design aperto di carrier board per la robotica, abilitato da ADI, che include un FPGA e interfacce robotiche comuni. tra cui la connettività ad alta velocità per telecamere tramite Gigabit Multimedia Serial Link (GMSL™) (soluzione collaudata dal settore automotive), sensing inerziale, CAN-FD, RS-485, Ethernet gigabit e multi-gigabit, Automotive Audio Bus (A²B) per il trasporto audio a bassa latenza, connessioni per la gestione batteria ed espansione per il controllo motore.
L’architettura standardizzata in stile COM-HPC si traduce nel vantaggio che gli sviluppatori non sono vincolati a un design carrier monouso. Quando i requisiti computazionali cambiano, i team dovranno migrare il SOM, lasciando intatto il resto della piattaforma.
Con l’evoluzione dei robot autonomi verso il deployment reale, sicurezza e affidabilità non sono più un’opzione. I robot devono soddisfare requisiti di sicurezza e affidabilità, anche in ambienti con visione degradata; è qui che l’IMU ADIS16607 di ADI eccelle. La ricerca ADI sulla sensor fusion avanzata mostra risultati promettenti nel migliorare significativamente la robustezza del sistema su dataset leader quando si combina la visione con l’IMU come seconda modalità.
La storia del compute va oltre i TOPS grezzi. I carichi di lavoro robotici sono misti: inferenza basata su transformer a bassa precisione per modelli di percezione, supporto per algoritmi classici ad alta precisione, ottimizzazione numerica, calibrazione e flussi di lavoro di sviluppo. L’architettura integrata x86 con GPU e NPU nel AMD Kria AI SOM è progettata per gestire tutti questi fattori.
ADI contribuisce alla piattaforma con le interfacce fisiche del robot: sensing inerziale ad alta stabilità, elaborazione della profondità deterministica, link camera a lungo raggio che consolidano più flussi su singole linee coassiali, comunicazioni industriali isolate per il controllo motore e design di riferimento per la gestione batteria a 48 V per robot.
Non si parte più da un foglio bianco
Il vantaggio più importante che emerge dalla piattaforma è anche il più semplice: i clienti non partono più da una base Linux tutta da costruire.
La AMD Kria AI Robotics Developer Platform fornisce una base hardware e software pre-validata con driver ADI già integrati. Le interfacce sono caratterizzate, l’ambiente ROS 2 è pronto e il percorso dal kit di sviluppo al SOM di produzione fino al sistema robotico installato è documentato. In questo modo, gli sviluppatori invece di spendere le prime settimane nel bring-up della carrier board. possono iniziare a costruire l’autonomia fin dal primo giorno: per molti programmi, questo vantaggio si traduce in mesi di tempo risparmiati.
I robot oggi dislocati in magazzini, fabbriche e aree logistiche non sono frenati dai benchmark computazionali ma dal tempo e dal costo necessari a costruire tutto ciò che sta intorno al compute. Sebbene ci sia sempre spazio per eseguire più AI, i layer sottostanti sono stati un patchwork per troppo tempo.
ADI e AMD stanno costruendo la piattaforma che risolve questo problema di integrazione: un sistema nervoso pronto per il robot con compute, sensing, connettività, controllo motore e software ROS 2 validati, progettati per lavorare insieme fin dal primo giorno.
