EMB_85

EMBEDDED 85 • SETTEMBRE • 2022 51 ADAPTIVE COMPUTING | HARDWARE mesi o addirittura anni e non consentono di apportare al- cuna modifica. Non possono adattarsi per mantenere il robot al passo con i futuri miglioramenti della produtti- vità. L’adattabilità è importante, perché gli algoritmi e le ar- chitetture robotiche sono ancora in rapida evoluzione. Un acceleratore basato su ASIC potrebbe rimanere no- tevolmente indietro rispetto agli algoritmi all’avanguar- dia. Dato il tempo necessario per sviluppare un ASIC, ciò potrebbe iniziare a verificarsi subito dopo, o anche prima che entri in produzione. In questa fase del ciclo di vita della tecnologia robotica, il loro utilizzo è limitato. Realizzare un sistema di calcolo adattivo nella robotica I robot sono reti di reti che scambiano dati su base conti- nua lungo l’intera macchina, dai sensori, alle unità di ela- borazione, fino agli attuatori alle loro estremità. Possiamo visualizzare queste reti come il sistema nervoso del robot, che facilita lo scambio delle informazioni. Come nel siste- ma nervoso umano, questi scambi dipendono in modo critico dalle prestazioni deterministiche e dalla risposta in tempo reale se il robot deve comportarsi in modo coe- rente. Questo è difficile da garantire utilizzando i proces- sori scalari e vettoriali, con le loro architetture fisse. Le architetture personalizzate e altamente parallele im- plementate negli FPGA e negli ASIC offrono l’opportu- nità di superare queste limitazioni. L’FPGA, in particola- re, offrendo risorse hardware definite dal software per i robot, introduce un cambiamento fondamentale nell’ap- proccio allo sviluppo del software per la robotica. Anziché programmare le funzionalità nella CPU, operando entro i limiti imposti dall’architettura e dai vincoli predefiniti della CPU, ottenere funzioni robotiche con FPGA signi- fica programmare un’architettura che svolge il compito desiderato. I progettisti di robot hanno bisogno di tool e di hardware adeguati per sfruttare adeguatamente la flessibilità degli FPGA quando costruiscono robot adattabili che mostra- no un comportamento deterministico in tempo reale. Un System-on-Module (SOM) come il Kria K26 di Xilinx (Fig. 1) ne costituisce un esempio: è progettato per appli- cazioni a bordo rete e integra interfacce ad alta velocità, risorse di memoria e di alimentazione. Il modulo contiene un System-on-Chip (SoC) MPSoC Zynq UltraScale+ che fornisce celle logiche programmabili e slice DSP per ge- stire carichi di lavoro di elaborazione scalare e vettoriale con un complesso di processori applicativi quad-core, un processore dual-core in tempo reale e una GPU 2D/3D. Oltre al SOM, sono necessarie librerie e utilità appropria- te per creare soluzioni di robotica di classe industriale. Il Kria Robotics Stack (KRS) (Fig, 2) è strettamente in- tegrato con il Robot Operating System (ROS), che è l’in- frastruttura de facto per lo sviluppo di applicazioni robot, e semplifica l’uso dell’accelerazione hardware. Il SOM fornisce supporto nativo per il sistema operativo ROS 2, che migliora le prestazioni nelle applicazioni di robotica e automazione industriale. Questo stack utilizza il ROS 2 Software Development Kit (SDK), funziona con l’ecosistema ROS 2 e aiuta a mettere a punto sistemi robotici con prestazioni deterministiche in tempo reale utilizzando un approccio modulare. L’am- biente di sviluppo si avvale di tecniche note come i mec- canismi QoS (Quality of Service) e TSN (Time Sensitive Networking) e include kernel di accelerazione a livello di applicazione, middleware di comunicazione ROS e uno tool in fase di esecuzione che facilita le interazioni con l’FPGA. Un hypervisor aiuta a supportare sistemi com- plessi eterogenei attraverso l’utilizzo di macchine virtuali. L’elaborazione adattiva e accelerata attraverso gli FPGA è in grado di incrementare le prestazioni dei robot indu- striali migliorando al contempo l’efficienza energetica e offrendo flessibilità e sicurezza a prova di futuro. La re- alizzazione di queste prossime generazioni di macchine richiede hardware adeguato, come i moduli SOM che combinano la logica FPGA con processori scalari e GPU, oltre a software e tool che possono essere facilmente uti- lizzati in un ambiente familiare ai progettisti di robot, come ROS 2. Per ulteriori informazioni è possibile visitare il sito all’indirizzo: https://www.xilinx.com/products/som/kria.html Fig.2–Librerieeutilitàessenzialiperlaroboticaconaccelerazione hardware ( https://www.xilinx.com/an/kria-robotics-stack.html )