机器人解决难题很慢该怎么办，FPGA 芯片实测速度超 GPU 86 倍

据 MITNews 报导，麻省理工大学计算科学研究和人工智能技术试验室（CSAIL）的博士研究生 Sabrina Neuman，她预估于2020年四月将展现名叫 “机器人形态计算（robomorphic computing）”的技术性。

当今 CPU 芯片在解决机器人在繁杂的动态性状况时，主要表现没法比较满意。因此 Neuman 和她的精英团队开发设计了该技术性，并在 FPGA（当场可编程控制器门阵列）芯片上开展了检测，并获得了优良考试成绩。该精英团队不仅有麻省的硕士研究生与老师，组员还包含若干名哈佛大学的研究者。

在检测中，应用机器人形态计算技术性的 FPGA 芯片运作速率比 CPU 快 8 倍，比 GPU 快 86 倍。

01. 现行标准 CPU 解决难题迟缓，麻省博士研究生设计方案新系统

现如今的机器人行動速率迅速，这是由于其动力装置十分强劲，且大马力强悍。

可是机器人的 “大脑”在解决人机交互技术等繁杂难题时，主要表现却并不尽人意。

Neuman 表明，机器人的实际操作关键有三个流程：

第一步是认知，这时候机器人必须应用感应器或监控摄像头搜集附近数据信息。

第二步是制图和精准定位，机器人会依据认知到的信息内容构建地形图，随后在地形图中对自身开展精准定位。

第三步是健身运动整体规划和操纵，在这里一流程中机器人将整体规划全部行動的全过程，并确保全过程中的安全性。

之上流程必须花费时间和很多的计算工作能力。

精英团队组员之一的布莱恩 · 普兰彻（Brian Plancher）觉得，假如机器人在人们周边的动态性自然环境中安全性运作，他们必须十分快速地思索和反映。

而现阶段的优化算法在 CPU 等硬件上运作的速率并不理想化，由于机器人的认知刺激性和回应必须很多的计算，这限定了他们的响应速度。

Neuman 觉得，虽然科学研究工作人员一直在科学研究更强的优化算法，但只靠手机软件改善并不可以解决困难，探寻更强的硬件可能是一种新的构思。

假如运用机器人的物理布局和预估应用软件来形成定制的计算机芯片，机器人的响应速度将降到最低。这代表着在硬件加快的协助下，机器人解决所述流程的速率将远远超过往。

硬件加快就是指应用专业的硬件模块来更合理地实行一些计算每日任务。

一种较为常见的硬件网络加速器是图型控制部件（GPU），它是一种专业用以并行计算的芯片。GPU 芯片用以图像处理十分便捷，由于他们的并行处理构造容许他们另外解决数千个清晰度。

“GPU 并不是在全部层面都很极致，但它解决特殊每日任务总体目标的完成率是最好是的，”Neuman 说，“针对特殊的应用软件，你能根据应用定制硬件得到更强的特性。

大部分机器人的设计方案都是有一套预估的应用软件，因而能够从硬件加快中获益。这也是 Neuman 的精英团队开发系统软件的设计灵感来源于。

根据此 Neuman 和她的精英团队开发设计了一套名叫 “机器人形态计算（robomorphic computing）”的系统软件，它运用机器人的物理布局和预估应用软件来形成定制的计算芯片，使机器人的响应速度降到最低。

02.FPGA 芯片检测成绩优良，运作速率超 CPU 8 倍

客户键入机器人的身体合理布局和关节运动方法等主要参数后，机器人形态计算系统软件根据计算将主要参数变化为数学课引流矩阵。

这种引流矩阵包括很多零值，零值表明机将器人特殊构造不太可能完成的健身运动（比如身体的胳膊只有在骨节处弯折，且只有以一定视角开展弯折，则胳膊的别的弯折姿势表明为零值）。

最终，系统软件会设计方案一个专业的硬件构架，只对引流矩阵中的非零值开展计算。因而，最后的芯片设计方案是对特殊机器人量身定做定制的，以最大限度地提高工作效率，以考虑繁杂状况下的计算要求。

这类定制的芯片设计方案在检测中获得了非常好的考试成绩。

应用这类方式为特殊机器人控制系统设计的硬件构架好于现有的 CPU 和 GPU 模块。尽管 Neuman 精英团队沒有从零开始生产制造专业的芯片，但她们依据提议撰写了一个可定制的当场可编程控制器门阵列（FPGA）芯片。

虽然时钟频率比较慢，但在检测中该芯片的运作速率仍比 CPU 快 8 倍，比 GPU 快 86 倍。

“我对检测的結果觉得激动，” Neuman 表明，“虽然大家被较低的时钟频率所连累，可是根据提高工作效率彻底填补了这一缺点。”

03. 新系统扩展机器人运用，无触碰照顾新冠病人将成实际

Neuman 将在2020年 4 月的计算机语言和电脑操作系统的系统架构适用国际学术会议（International Conference on Architectural Support for Programming Languages and Operating Systems）上展现此项科学研究。

普兰彻觉得机器人形态计算有普遍的发展潜力。他觉得：“理想化状况下，大家最后能够为每一个机器人生产制造定制的健身运动整体规划芯片，使他们可以迅速计算出安全性合理的健身运动。”

“假如 20 年之后每一个机器人都是有小量的定制电脑上芯片，我不想觉得诧异，而机器人形态计算将变成这种定制电脑上芯片的一部分。”Neuman 填补说。

“此项工作中令人激动，因为它展现了怎么使用专业的电路原理来加快机器人操纵的关键部件。” 波士顿动力企业的机器人技术工程师 Robin Deits 这般点评道。

“计算特性对机器人而言尤为重要，由于现实世界从不会等候机器人进行思索。”他填补说，“此项目地进行将处理机器人在繁杂难题中计算量过度巨大的难题。”

另外这一进度很有可能会促进各种各样机器人运用，包含可用以照顾保养新冠病毒等传染性疾病病人与运送吊物等主题活动。

“如果我们有机器人来协助减少患者和医院门诊工作员的风险性，那么就太棒了。”Neuman 说。

她的下一步方案是全自动化技术的机器人形态计算系统软件。到时候客户只需拖动机器人的主要参数，“后台管理便会出現硬件叙述，这将变成使该系统软件在市场竞争中获胜，且授予它使用价值的重要一步。”

此项科学研究是由英国我国科学研究慈善基金会（National Science Foundation）、计算研究所（Computing Research Agency）、CIFellows 新项目和英国国防安全高級科学研究计划局（Defense Advanced Research Projects Agency）等组织开展支助。

总结：

机器人运用界限将被扩展，诊疗工程项目行业智械袭来？Neuman 精英团队的科研成果将巨大地加速机器人在繁杂自然环境中的运作速率。而这在 5G 技术性逐渐好用的情况下，相互配合性能卓越驱动器和运动传感器很可能处理机器人在繁杂自然环境下远程控制的通讯、运作难题。

这类状况下机器人很可能被迅速资金投入诊疗、化工厂等具备风险或人力不足的领域。或许没多久后的一天，大家将惊讶的在大量的行业发觉他们的影子。