訂閱
糾錯(cuò)
加入自媒體

不同機(jī)器人芯片體系,從家用到人形的智能演進(jìn)邏輯

芝能智芯出品

現(xiàn)在的AI機(jī)器人作為人工智能的終端載體,核心能力離不開芯片系統(tǒng)的支撐。不同類型的機(jī)器人在算力、能效、控制實(shí)時(shí)性以及系統(tǒng)集成度方面存在顯著差異。

從家用清潔設(shè)備到商用服務(wù)機(jī)器人,再到工業(yè)自動化與人形仿生平臺,芯片架構(gòu)的選擇反映了功能定位、成本結(jié)構(gòu)與智能深度的平衡過程。我們對不同的方案大概做一些梳理:

Part 1

  芯片方案:

從家用到工業(yè)的分層智能

在機(jī)器人產(chǎn)業(yè)內(nèi)部,芯片的差異不僅體現(xiàn)于算力指標(biāo)的高低,也是系統(tǒng)設(shè)計(jì)的優(yōu)先級。家用和商用機(jī)器人追求的是“在有限功耗和成本中實(shí)現(xiàn)足夠智能”,而工業(yè)與人形機(jī)器人則更強(qiáng)調(diào)“實(shí)時(shí)控制與高可靠性下的智能協(xié)同”。

● 家用/消費(fèi)類機(jī)器人以高性價(jià)比與長續(xù)航為導(dǎo)向,其芯片方案以ARM架構(gòu)SoC為主,注重集成化與低功耗。

典型的掃地機(jī)器人多采用國產(chǎn)全志科技、瑞芯微等方案,這些SoC在1.2~1.5GHz主頻下即可支持SLAM建圖和路徑規(guī)劃。配合512MB~1GB內(nèi)存,它們能夠運(yùn)行輕量化的導(dǎo)航與避障算法,同時(shí)控制成本。

對于具備AI視覺識別的中高端機(jī)型,如石頭科技旗艦款,還會增加獨(dú)立的視覺AI單元,用于檢測寵物、線纜等復(fù)雜障礙。部分廠商在更高端型號中引入了高通IoT版驍龍?zhí)幚砥鳎柚?核APQ8053或類似方案實(shí)現(xiàn)更流暢的AI避障。

總體而言,家用機(jī)器人芯片正向“低功耗AI SoC + 分布式MCU”模式演化,即在主控承擔(dān)策略計(jì)算的同時(shí),通過低功耗MCU完成電機(jī)與傳感層控制,從而兼顧能效與響應(yīng)速度。

● 商用服務(wù)機(jī)器人則需要更高層次的智能交互與多模態(tài)感知能力。

餐飲配送、巡檢、導(dǎo)覽等場景要求機(jī)器人具備視覺、語音與環(huán)境融合感知,計(jì)算平臺必須能支撐多線程AI任務(wù)。

以高通QRB5165(RB5平臺)為代表的方案,為服務(wù)機(jī)器人提供了約15 TOPS的AI算力,內(nèi)置Adreno GPU與專用視覺加速器,可同時(shí)處理多路攝像頭輸入。搭載此平臺的機(jī)器人可在數(shù)瓦功耗下完成圖像識別與語音交互。

國產(chǎn)替代方案如瑞芯微RK35xx與海思Hi3519系列,也通過NPU加速和本地AI推理實(shí)現(xiàn)中高性能的視覺算法處理,通常配備4~8GB LPDDR4內(nèi)存與16GB以上存儲,以支持Linux或Android系統(tǒng)及ROS框架運(yùn)行。

為滿足商用部署的可靠性需求,這類機(jī)器人在協(xié)處理與通信上采用模塊化設(shè)計(jì):

 以STM32或TI MCU負(fù)責(zé)底盤驅(qū)動控制,以獨(dú)立通信模組(4G/5G/Wi-Fi)保證云端協(xié)同;

 而部分產(chǎn)品在邊緣端引入地平線芯片,提升人臉識別與語音推理效率,“AI平臺+運(yùn)動控制單元+通信安全芯片”的分層架構(gòu),已成為服務(wù)機(jī)器人行業(yè)的主流方向。

● 工業(yè)機(jī)器人則處于完全不同的計(jì)算體系中。

制造業(yè)使用的多關(guān)節(jié)機(jī)械臂與移動AGV強(qiáng)調(diào)的是“確定性與可靠性”。其控制系統(tǒng)以PLC或工業(yè)PC為核心,采用x86或工業(yè)級ARM處理器,運(yùn)行實(shí)時(shí)操作系統(tǒng)(VxWorks、QNX等)以保障亞毫秒級反饋。

伺服控制與路徑規(guī)劃任務(wù)通常由DSP或FPGA加速,實(shí)現(xiàn)高頻閉環(huán)控制。

納博特控制器等系統(tǒng)采用雙層結(jié)構(gòu):上層IPC負(fù)責(zé)運(yùn)動規(guī)劃與AI任務(wù),下層RTOS實(shí)時(shí)執(zhí)行伺服控制,并通過EtherCAT等總線通信。

隨著AI視覺檢測與自主導(dǎo)航在工業(yè)現(xiàn)場的普及,GPU與AI SoC正在滲透進(jìn)工業(yè)控制架構(gòu)。

NVIDIA Jetson Orin與IGX Orin平臺為工業(yè)AI提供了從50到275 TOPS的算力,能夠支持復(fù)雜的視覺檢測與自主搬運(yùn)場景。倉儲AGV、無人叉車等移動機(jī)器人常結(jié)合英偉達(dá)Orin NX或英特爾酷睿CPU加RealSense攝像頭實(shí)現(xiàn)激光+視覺SLAM。

工業(yè)機(jī)器人開始采用“集中主控+智能關(guān)節(jié)”架構(gòu)——主控平臺承擔(dān)AI推理與路徑規(guī)劃,各關(guān)節(jié)配備帶MCU的小型驅(qū)動單元執(zhí)行高速伺服控制,分布式架構(gòu)提升了魯棒性與安全冗余,也為未來的協(xié)作機(jī)器人提供了柔性擴(kuò)展空間。

Part 2

  算力與架構(gòu)的演進(jìn):

從多芯協(xié)同到類人智能

仿生與人形機(jī)器人則追求“智能與感知的統(tǒng)一”,主控芯片既要具備大規(guī)模AI推理能力,又要能實(shí)時(shí)處理數(shù)十個(gè)傳感與執(zhí)行模塊的數(shù)據(jù),算力與架構(gòu)的平衡成為關(guān)鍵。

● 仿生四足機(jī)器人

以機(jī)器狗代表了中高算力邊緣AI的典型形態(tài),小米CyberDog采用NVIDIA Jetson Xavier NX作為核心AI平臺,提供21 TOPS算力,在10~15W功耗下實(shí)現(xiàn)視覺識別、平衡控制和動態(tài)避障。其系統(tǒng)運(yùn)行Ubuntu與ROS框架,利用GPU并行計(jì)算處理多傳感器數(shù)據(jù)。

為保證實(shí)時(shí)控制,小米還使用全志MR813芯片作為運(yùn)動協(xié)處理器,專門執(zhí)行姿態(tài)解算和模型預(yù)測控制算法,管理12個(gè)關(guān)節(jié)的電機(jī)運(yùn)動,全志R329音頻SoC處理語音交互。

主從協(xié)同設(shè)計(jì)使AI決策與物理運(yùn)動形成閉環(huán),既有靈活性,又保證反應(yīng)速度。類似的架構(gòu)也出現(xiàn)在宇樹科技、波士頓動力等廠商的產(chǎn)品中。

四足機(jī)器人通常采用分布式控制:每個(gè)關(guān)節(jié)模塊內(nèi)含獨(dú)立MCU或DSP,執(zhí)行電機(jī)驅(qū)動與力反饋,而主控AI負(fù)責(zé)運(yùn)動規(guī)劃與環(huán)境理解,“中央大腦+局部小腦”的模式在仿生系統(tǒng)是主流,需要在毫秒級周期內(nèi)完成姿態(tài)調(diào)整,任何延遲都可能導(dǎo)致失穩(wěn)。

● 人形機(jī)器人領(lǐng)域

芯片系統(tǒng)進(jìn)一步進(jìn)化為“多層異構(gòu)融合”,需要在空間中保持動態(tài)平衡、執(zhí)行自然動作,并通過視覺和語言系統(tǒng)進(jìn)行人機(jī)交互。

以英偉達(dá)Jetson Orin與新一代Jetson Thor為代表的AI平臺,Orin系列擁有200 TOPS級別算力,可支持多攝像頭輸入與Transformer類模型推理;Thor平臺更是將AI性能提升至2070 TFLOPS(FP4),具備128GB高帶寬內(nèi)存和14核Neoverse CPU,足以在端側(cè)運(yùn)行生成式AI模型。

人形機(jī)器人需要在沒有云端依賴的情況下,實(shí)現(xiàn)本地感知與決策,人形機(jī)器人的架構(gòu)普遍包含幾十個(gè)協(xié)處理單元:每個(gè)關(guān)節(jié)由獨(dú)立控制器(MCU、FPGA或小型SoC)管理,與電機(jī)、編碼器、力矩傳感器相連,執(zhí)行亞毫秒級控制任務(wù)。

部分企業(yè)開始在關(guān)節(jié)層面引入AI芯片,通過AI推理實(shí)時(shí)優(yōu)化控制參數(shù),實(shí)現(xiàn)“自適應(yīng)運(yùn)動”,本地智能化降低了中央處理壓力,也讓系統(tǒng)在部分損傷情況下仍能維持基本運(yùn)動功能。

通信體系同樣在演化,一開始機(jī)器人依賴CAN總線傳輸,逐漸轉(zhuǎn)向TSN千兆以太網(wǎng)等高帶寬方案,分布式模塊之間的數(shù)據(jù)同步精度提升到微秒級,保證了多關(guān)節(jié)協(xié)調(diào)動作的流暢性與安全性。

從家用到人形機(jī)器人的芯片演進(jìn)展現(xiàn)出三大趨勢:

 算力下沉與協(xié)處理增強(qiáng)。 過去集中在主控端的AI計(jì)算正逐步分散到邊緣節(jié)點(diǎn)與傳感端,從而降低系統(tǒng)延遲、提升能效。

 異構(gòu)計(jì)算架構(gòu)成為主流, CPU、GPU、NPU及MCU共同構(gòu)成組合的計(jì)算體系,根據(jù)任務(wù)特性進(jìn)行分工協(xié)作,當(dāng)然現(xiàn)在大小腦和執(zhí)行系統(tǒng)開始慢慢分清楚了。

 軟硬件一體化生態(tài)形成壁壘,高通、英偉達(dá)提供算法SDK和開發(fā)框架,國產(chǎn)廠商如瑞芯微、全志、地平線也正通過軟件生態(tài)完善競爭力。

  小結(jié)

智能硬件中,運(yùn)動類的機(jī)器人對芯片要求最高一些,消費(fèi)級產(chǎn)品的低功耗SoC,到工業(yè)控制的實(shí)時(shí)系統(tǒng),再到人形平臺的AI芯片,我們會持續(xù)跟蹤每個(gè)平臺的內(nèi)容,從主控芯片的角度來跟蹤AI智能硬件和智能機(jī)器人的發(fā)展。芯片不光是主控的硬件,也是算法與生態(tài)的承載體,需要從各個(gè)角度來觀察。

       原文標(biāo)題 : 不同機(jī)器人芯片體系:從家用到人形的智能演進(jìn)邏輯

聲明: 本文由入駐維科號的作者撰寫,觀點(diǎn)僅代表作者本人,不代表OFweek立場。如有侵權(quán)或其他問題,請聯(lián)系舉報(bào)。

發(fā)表評論

0條評論,0人參與

請輸入評論內(nèi)容...

請輸入評論/評論長度6~500個(gè)字

您提交的評論過于頻繁,請輸入驗(yàn)證碼繼續(xù)

  • 看不清,點(diǎn)擊換一張  刷新

暫無評論

暫無評論

    掃碼關(guān)注公眾號
    OFweek人工智能網(wǎng)
    獲取更多精彩內(nèi)容
    文章糾錯(cuò)
    x
    *文字標(biāo)題:
    *糾錯(cuò)內(nèi)容:
    聯(lián)系郵箱:
    *驗(yàn) 證 碼:

    粵公網(wǎng)安備 44030502002758號