Max Home IndustryСовременные роботы могут двигаться быстро. «Двигатели быстрые и мощные, — говорит Сабрина Нойман.
Однако в сложных ситуациях, например при взаимодействии с людьми, роботы часто не двигаются быстро. «Зависание — это то, что происходит в голове робота», — добавляет она.
Для восприятия стимулов и расчета реакции требуется «масса вычислений», которая ограничивает время реакции, — говорит Нойман, недавно получивший докторскую степень в Лаборатории компьютерных наук и искусственного интеллекта Массачусетского технологического института (CSAIL). Нойман нашел способ бороться с этим несоответствием между «разумом» и телом робота. Этот метод, называемый роботоморфными вычислениями, использует физическую схему робота и предполагаемые приложения для создания специализированного компьютерного чипа, который минимизирует время отклика робота.
Этот прогресс может послужить толчком для множества приложений робототехники, включая, возможно, первую медицинскую помощь заразным пациентам. «Было бы здорово, если бы у нас были роботы, которые помогли бы снизить риск для пациентов и работников больниц», — говорит Нойман.
Нойман представит исследование на апрельской Международной конференции по архитектурной поддержке языков программирования и операционных систем. Соавторами Массачусетского технологического института являются аспирант Томас Буржеат и Срини Девадас, профессор электротехники Эдвина Сибли Вебстера и научный руководитель Ноймана. Среди других соавторов — Брайан Планчер, Тьерри Тамбе и Виджай Джанапа Редди из Гарвардского университета. Сейчас Нойман работает научным сотрудником NSF по инновациям в области вычислительной техники в Гарвардской школе инженерных и прикладных наук.
По словам Ноймана, в работе робота есть три основных этапа. Первый — это восприятие, которое включает сбор данных с помощью датчиков или камер. Второй — отображение и локализация: «На основе того, что они видели, они должны построить карту мира вокруг себя, а затем локализовать себя на этой карте», — говорит Нойман. Третий шаг — это планирование и контроль движения, другими словами, разработка плана действий.
Эти шаги могут потребовать времени и очень больших вычислительных мощностей. «Чтобы роботы могли быть развернуты в полевых условиях и безопасно работать в динамической среде вокруг людей, они должны уметь думать и очень быстро реагировать», — говорит Планчер. «Текущие алгоритмы не могут быть достаточно быстро запущены на текущем оборудовании ЦП».
Нойман добавляет, что исследователи изучают более совершенные алгоритмы, но она считает, что улучшения программного обеспечения сами по себе не являются ответом. «Что относительно ново, так это идея, что вы также можете изучить более качественное оборудование». Это означает выход за рамки стандартной микросхемы ЦП, включающей мозг робота, — с помощью аппаратного ускорения.
Под аппаратным ускорением понимается использование специализированного аппаратного модуля для более эффективного выполнения определенных вычислительных задач. Обычно используемым аппаратным ускорителем является графический процессор (GPU), микросхема, предназначенная для параллельной обработки. Эти устройства удобны для работы с графикой, поскольку их параллельная структура позволяет им одновременно обрабатывать тысячи пикселей. «Графический процессор не лучший во всем, но он лучший в том, для чего он создан», — говорит Нойман. «Вы получаете более высокую производительность для конкретного приложения». Большинство роботов разработаны с заданным набором приложений и поэтому могут получить выгоду от аппаратного ускорения. Вот почему команда Ноймана разработала роботизированные вычисления.
Система создает индивидуальную конструкцию оборудования, которая наилучшим образом удовлетворяет вычислительные потребности конкретного робота. Пользователь вводит параметры робота, такие как расположение конечностей и то, как могут двигаться его различные суставы. Система Неймана переводит эти физические свойства в математические матрицы. Эти матрицы являются «разреженными», что означает, что они содержат множество нулевых значений, которые примерно соответствуют движениям, которые невозможны с учетом конкретной анатомии робота. (Точно так же ограничены движения вашей руки, потому что она может сгибаться только в определенных суставах — это не бесконечно гибкая лапша для спагетти.)
Затем система разрабатывает аппаратную архитектуру, специализированную для выполнения вычислений только с ненулевыми значениями в матрицах. Таким образом, получившаяся в результате конструкция микросхемы адаптирована для обеспечения максимальной эффективности вычислительных потребностей робота. И эта настройка окупилась при тестировании.
Аппаратная архитектура, разработанная с использованием этого метода для конкретного приложения, превосходит стандартные процессоры и графические процессоры. Хотя команда Ноймана не изобрела специализированный чип с нуля, они запрограммировали настраиваемый чип программируемой вентильной матрицы (FPGA) в соответствии с предложениями своей системы. Несмотря на меньшую тактовую частоту, этот чип работал в восемь раз быстрее, чем ЦП, и в 86 раз быстрее, чем графический процессор.
«Я был в восторге от этих результатов», — говорит Нойман. «Несмотря на то, что нам мешала более низкая тактовая частота, мы компенсировали это тем, что стали более эффективными».
Plancher видит широкие возможности для роботизированных вычислений. «В идеале мы можем со временем изготовить индивидуальный чип планирования движения для каждого робота, что позволит им быстро вычислять безопасные и эффективные движения», — говорит он. «Я не удивлюсь, если через 20 лет у каждого робота будет несколько специализированных компьютерных микросхем, и это может быть один из них». Нойман добавляет, что робоморфные вычисления могут позволить роботам избавить людей от риска в различных условиях, таких как уход за пациентами с COVID-19 или манипулирование тяжелыми предметами.
Далее Нойман планирует автоматизировать всю систему робоморфных вычислений. Пользователи просто перетаскивают параметры своего робота, и «на другом конце идет описание оборудования. Я думаю, что это то, что сделает его действительно полезным».
Это исследование финансировалось Национальным научным фондом, Агентством компьютерных исследований, проектом CIFellows и Агентством перспективных исследовательских проектов Министерства обороны.