Doradztwo techniczne

Autonomiczne roboty asystujące, które poruszają się w otoczeniu człowieka, wykonując rozmaite zadania, wymagają jednoczesnego przetwarzania dużych ilości danych sensorycznych, stabilnej komunikacji z elementami wykonawczymi oraz skutecznej realizacji modeli AI w czasie rzeczywistym. W praktyce oznacza to konieczność zastosowania platformy obliczeniowej łączącej wysoką wydajność, obsługę wielu interfejsów oraz kompaktowe wymiary. W niniejszym studium przypadku opisujemy modernizację zaawansowanego robota asystującego z wykorzystaniem, opartej na procesorach Intel® Core™ 13. generacji, płyty PICO-RAP4 firmy AAEON.

Cel projektu

Celem projektu było unowocześnienie linii robotów tak, aby platforma mogła autonomicznie, szybko i precyzyjnie wykonywać złożone zadania.

W odróżnieniu od typowych zastosowań przemysłowych, gdzie roboty (np. ramiona) realizują najczęściej powtarzalne, jednowymiarowe operacje, w tym projekcie założeniem było stworzenie dynamicznego, wielofunkcyjnego systemu, bliższego robotowi humanoidalnemu niż statycznej maszynie.

Z tego względu kluczowym stało się połączenie dwóch obszarów: niezawodnej platformy sprzętowej i możliwości pracy modeli AI w czasie rzeczywistym, w praktyce sterujących zachowaniami robota.

Kluczowe wymagania: wydajność i percepcja wizyjna

Rozwój zaawansowanego robota autonomicznego wymaga platformy jednocześnie wydajnej i energooszczędnej. Musi on bowiem wykonywać operacje oparte na złożonych algorytmach w czasie rzeczywistym, dlatego potrzebuje znacznej mocy CPU, a równolegle – mechanizmu umożliwiającego przeprowadzanie procesu wnioskowania przez dedykowane modele AI.

Równie ważna okazała się w tym przypadku akwizycja danych wejściowych, gdyż jakość danych z kamer i czujników ma bezpośredni wpływ na skuteczność rozpoznawania obiektów oraz szybkość podejmowania decyzji. Dlatego też docelowa platforma musiała oferować szybkie interfejsy do instalacji kamer i sensorów. Ostatnim z istotnych elementów stanowił „układ nerwowy” robota. Docelowe rozwiązanie powinno pełnić rolę centrum sterowania – komunikować się z podzespołami i zapewniać szybkie, precyzyjne wykonywanie komend.

Architektura rozwiązania z PICO-RAP4

W projekcie wykorzystano płytę PICO-RAP4 firmy AAEON w formacie PICO-ITX (100 mm × 72 mm). Do realizacji obliczeń w czasie rzeczywistym zastosowano procesor Intel® Core™ i7-1370PE, oferujący 6 rdzeni Performance, 8 rdzeni Efficient oraz 20 wątków. Pozwalało to na równoległą obsługę zadań wymagających wysokiej wydajności i operacji tła, realizowanych na rdzeniach energooszczędnych.

Choć CPU nie był jedynym źródłem funkcji AI, wykorzystywał technologie wspierające obciążenia uczenia maszynowego, takie jak Intel® Deep Learning Boost, Intel® Gaussian & Neural Accelerator oraz Intel® AVX2. Te przyspieszały wybrane zadania AI i poprawiały wydajność przetwarzania.

Do obsługi obciążenia AI przewidziano moduł akceleracji zainstalowany w złączu M.2 2280 M-Key, pracującym w trybie PCIe 4.0 x4. Taka konfiguracja zapewniała wysoką przepustowość komunikacji i umożliwiała przetwarzanie algorytmów rozpoznawania obrazu, przetwarzania języka naturalnego oraz algorytmów decyzyjnych bez zauważalnych opóźnień.

System percepcji: wideo, sensory i dźwięk

PICO-RAP4 zapewnił elastyczną integrację źródeł danych. Złącze FPC umożliwiało podłączenie kamery MIPI, a dodatkowo dwie kamery wysokiej rozdzielczości pracowały przez porty USB 3.2 Gen 2, dostarczając wiele strumieni danych wizualnych wspieranych przez Intel® UHD Graphics. Do integracji GPS oraz czujników środowiskowych wykorzystano dwa porty szeregowe z obsługą sygnałów RS-232/422/485.

Warstwę sterowania oparto na współpracy GPIO z aktuatorami i silnikami. Natomiast dla zapewnienia dokładności pozycjonowania i nawigacji obsługiwano akcelerometry, żyroskopy oraz czujniki temperatury poprzez interfejs I2C.

Ważny element stanowiła też kwestia audio. Złącze pinowe audio (line-in, line-out i mikrofon) zwiększało świadomość sytuacyjną robota. Umożliwiało dodatkowy odbiór komend głosowych oraz generowanie alertów, w przypadku wykrycia problemów.

Łączność i bezpieczeństwo

Komunikację z innymi urządzeniami zapewniły dwa porty LAN. PICO-RAP4 wspierają Intel® Ethernet Controller I226-V (2.5GbE) oraz Intel® Ethernet Connection I219-LM (1GbE), co umożliwia szybkie i stabilne połączenia w zależności od wymagań sieciowych. Dodatkowo szyfrowanie transmisji szeregowej wspierał wbudowany moduł TPM 2.0, poprawiając bezpieczeństwo danych w komunikacji systemu.

Efekt wdrożenia

Reasumując, zastosowanie płyty PICO-RAP4 pozwoliło opracować niezwykle zaawansowanego, w pełni zautomatyzowanego, robota asystującego, gotowego do wdrożeń w bardzo zróżnicowanych branżach. Od środowisk retail i zastosowań komercyjnych, przez logistykę i lekką produkcję. Aż po scenariusze związane z rolnictwem, takie jak wsparcie prac przy uprawach czy automatyzacja wybranych procesów terenowych.

Wysoka wydajność obliczeniowa, niskie opóźnienia w przetwarzaniu danych z wielu urządzeń peryferyjnych oraz możliwość efektywnego wykorzystania modułu akceleracji AI przełożyły się na większą responsywność systemu. A także lepszą jakość działania algorytmów.

Zaprezentowane case study pokazuje, że kompaktowa platforma AI Edge, oferująca jednocześnie wysoką moc obliczeniową, szerokie wsparcie interfejsów kamer i sensorów oraz mechanizmy bezpieczeństwa to stabilny fundament dla kolejnej generacji autonomicznych robotów asystujących.

Źródło: AAEON