Современные роботы могут двигаться быстро. «Моторы быстрые и мощные», — говорит Сабрина Нойман (Sabrina Neuman).
Однако в сложных ситуациях, таких как взаимодействие с людьми, роботы зачастую действуют слишком медленно. «Зависание — это то, что происходит в голове робота», — добавляет исследовательница.
Восприятие стимулов и расчёт ответа требуют «огромного количества вычислений», что увеличивает время реакции, — говорит г-жа Нойман, недавно получившая докторскую степень в Лаборатории компьютерных наук и искусственного интеллекта (CSAIL) Массачусетского технологического института (MIT). Ученаяя нашла способ бороться с этим несоответствием между «разумом» и телом робота. Метод, называемый роботоморфными вычислениями, использует физическую схему робота и предполагаемые приложения для создания специализированного компьютерного чипа, который минимизирует время отклика.
Это изобретение могло бы послужить толчком для множества приложений робототехники, включая, возможно, первую медицинскую помощь заразным пациентам. «Будет замечательно, если бы у нас появятся роботы, которые помогут снизить риск для пациентов и медицинских работников», — говорит г-жа Нойман.
Она представит своё исследование на апрельской Международной конференции по поддержке архитектуры языков программирования и операционных систем. Соавторами из MIT стали аспиранты Томас Буржа (Thomas Bourgeat) и Срини Девадас (Srini Devadas), профессор электротехники Эдвина Сибли Вебстера, научный руководитель Нойман. Среди других соавторов — Брайан Планчер (Brian Plancher), Тьерри Тамб (Thierry Tambe) и Виджай Джанапа Редди (Vijay Janapa Reddi) из Гарвардского университета. Сейчас г-жа Нойман является научным сотрудником NSF по инновациям в области вычислительной техники в Гарвардской школе инженерии и прикладных наук.
По ее словам, в работе робота есть три основных этапа. Первый — это восприятие, которое включает сбор данных с помощью датчиков или камер. Второй — картографирование и локализация: «На основе того, что видели, они должны построить карту мира вокруг себя, а затем локализовать себя на этой карте». Третий шаг — это планирование и контроль движения, другими словами, построение плана действий.
Эти шаги могут требовать времени и огромных вычислительных мощностей. «Чтобы роботы могли быть развёрнуты в полевых условиях и безопасно работали в динамической среде вокруг людей, они должны уметь думать и очень быстро реагировать, — говорит г-н Планчер. — Текущие алгоритмы не могут быть достаточно быстро запущены на текущем оборудовании».
Сабрина Нойман добавляет, что исследователи изучают более совершенные алгоритмы, но она считает, что улучшения программного обеспечения сами по себе не станут прорывом. «Что относительно ново, так это идея, что вы можете также изучить более качественное оборудование». Это означает выход за рамки стандартной микросхемы центрального процессора (ЦП), составляющей мозг робота, с помощью аппаратного ускорения.
Аппаратное ускорение относится к использованию специализированного аппаратного блока для более эффективного выполнения определённых вычислительных задач. Обычно используемый аппаратный ускоритель — графический процессор (ГП), 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 выиграть от аппаратного ускорения. Вот почему команда Нойман разработала робоморфные вычисления.
Система создаёт индивидуальный дизайн оборудования, чтобы наилучшим образом удовлетворить вычислительные потребности конкретного робота. Пользователь вводит его параметры, такие как расположение конечностей и движения различных суставов. Система Нойман переводит эти физические свойства в математические матрицы. Те являются «разрежёнными», что означает, что они содержат множество нулевых значений, которые примерно соответствуют движениям, невозможным с учётом конкретной анатомии робота. (Точно так же движения вашей руки ограничены, потому что она может сгибаться только в определенных суставах, — это не бесконечно гибкая лапша-спагетти.)
Затем система разрабатывает аппаратную архитектуру, специализированную для выполнения вычислений только над ненулевыми значениями в матрицах. Таким образом, получившаяся 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 ЦП и ГП. Хотя команда Нойман не изобрела специализированный чип с нуля, они запрограммировали настраиваемый, нетрудно программируемый базовый матричный кристалл (FPGA) в соответствии с предложениями своей системы. Несмотря на то, что он функционировал с более низкой тактовой частотой, этот чип работал в восемь раз быстрее, чем ЦП, и в 86 раз быстрее, чем ГП.
«Я была в восторге от этих результатов, — говорит г-жа Нойман. — Хотя мы были ограничены более низкой тактовой частотой, мы компенсировали это большей эффективностью».
Г-н Планчер видит широкие возможности для робоморфных вычислений. «В идеале мы можем со временем изготовить индивидуальный чип планирования движения для каждого робота, что позволит им быстро вычислять безопасные и эффективные движения, — предполагает он. — Я не удивлюсь, если через 20 лет у каждого робота будет несколько специализированных компьютерных микросхем, и это может быть одна 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 тяжёлыми предметами.
«Эта работа интересна, потому что она показывает, как можно использовать специализированные схемы для ускорения основного компонента управления роботами, — признает Робин Дейтс (Robin Deits), инженер-робототехник из Boston Dynamics, не принимавший участия в исследовании. — Производительность программного обеспечения имеет решающее значение для робототехники, потому что в реальных условиях никто не будет ждать, пока робот закончит думать». Он добавляет, что достижения Нойман могут позволить роботам думать быстрее, «открывая захватывающие модели поведения, которые раньше были бы слишком сложными в вычислительном отношении».
Затем Сабрина Нойман планирует автоматизировать всю систему робоморфных вычислений. Пользователи просто сообщают параметры своего робота, а «на другом конце идёт описание оборудования. Я думаю, что это то, что сделает метод по-настоящему полезным».
Это исследование финансировалось Национальным научным фондом, Агентством компьютерных исследований, проектом CIFellows, и DARPA.
Источник: https://news.mit.edu/2021/robot-customized-hardware-0121