Tecnologías clave que impulsan los sistemas robóticos de próxima generación

A medida que los sistemas robóticos pasan de los laboratorios de investigación a implementaciones comerciales en manufactura, logística y servicios, es fundamental identificar las barreras restantes que limitan su adopción generalizada.

El desafío de la integración

Aunque tanto el hardware como el software han experimentado avances significativos, la rápida evolución del diseño continúa impulsando a los robots hacia una mayor utilidad e inteligencia en dominios como la agricultura, el almacenamiento, la entrega de última milla, la inspección y la manufactura inteligente.

En la práctica, un robot ingiere datos de sensores y cámaras, se localiza, percibe su entorno, predice el movimiento de objetos cercanos y planifica movimientos seguros y coordinados, todo lo cual exige una potencia de procesamiento y energía sustanciales.

Consumo de energía: tres categorías críticas

El consumo energético en plataformas robóticas se divide en tres categorías principales: motores de tracción y controladores, sistemas de sensado y unidades de procesamiento. Se necesita una nueva generación de sensores de bajo consumo y alta precisión para determinar eficientemente la orientación y posición del robot, mientras que las plataformas de procesamiento deben equilibrar rendimiento y uso de energía, especialmente porque los robots suelen moverse a velocidades moderadas.

El SoC como pieza angular

En esta coyuntura crítica, el sistema en chip (SoC) emerge como el elemento clave que integra diversos módulos de sensado y potentes motores de inteligencia artificial (IA), permitiendo la próxima oleada de robots comerciales.

Llamado a SoCs de próxima generación

Las operaciones robóticas a menudo requieren la ejecución concurrente en tiempo real de docenas de algoritmos, incluyendo odometría, planificación de rutas, visión y percepción. Esta complejidad demanda SoCs que ofrezcan una integración sin precedentes, soportando funciones especializadas como codificación dispersa, planificación de rutas y localización y mapeo simultáneos (SLAM).

El chip Qualcomm SDA/SDM845 (Figura 1) ejemplifica este salto en integración. Su CPU Kryo de ocho núcleos funciona a 2,8 GHz, complementada por un DSP Hexagon 685 para procesamiento de IA en el dispositivo y una pila de visión por computadora optimizada para móvil para percepción, navegación y manipulación. Un ISP Spectra 280 dual de 14 bits maneja cámaras de hasta 32 megapíxeles y video 4K a 60 fps.

Figura 1: Bloques arquitectónicos del chip Qualcomm SDM845 para diseños robóticos (Imagen: Qualcomm)

La plataforma también incorpora una unidad de procesamiento seguro (SPU) que proporciona arranque seguro, aceleración criptográfica y un entorno de ejecución confiable (TEE). La conectividad está cubierta por Wi-Fi, con planes para añadir 5G para comunicaciones de baja latencia y alto rendimiento en entornos industriales.

La plataforma Qualcomm Robotics RB3 se basa en el SDA/SDM845, junto con la placa de desarrollo DragonBoard 845c y kit para prototipado rápido.

El Nvidia Jetson Xavier (Figura 2) muestra otra solución altamente integrada, dirigida a robots de entrega y logística. El módulo contiene 9 mil millones de transistores y entrega más de 30 billones de operaciones por segundo (TOPS), con una CPU ARM64 de ocho núcleos, GPU Volta Tensor-Core, aceleradores de aprendizaje profundo NVDLA duales, procesador de imagen, procesador de visión y procesador de video.

Figura 2: El módulo Jetson Xavier de 80 × 87 mm ofrece computación de nivel workstation en una fracción del tamaño (Imagen: Nvidia)

Estos ejemplos ilustran que los aceleradores de IA son indispensables en SoCs y módulos, permitiendo a los robots fusionar datos de sensores, localizar, mapear y navegar con precisión.

Integración de IA: aún en evolución

La IA es fundamental para elevar la capacidad de respuesta y precisión de un robot, especialmente en detección y reconocimiento de objetos. Al ir más allá de la programación rígida, la IA permite a los robots interactuar de manera más natural y precisa con su entorno.

Sin embargo, los diseñadores deben integrar capacidades adicionales de IA sin aumentar el tamaño del componente ni el consumo energético. Además, los factores de forma grandes pueden dificultar la adopción comercial.

Figura 3: Los módulos de IA deben equilibrar rendimiento, tamaño y potencia para satisfacer las demandas del mercado.

Otro obstáculo es garantizar un amplio soporte de frameworks de IA, ya que los robots industriales y de servicio dependen cada vez más de modelos de inferencia para orientación y posicionamiento.

Sensores inteligentes requeridos

Robots como aspiradoras autónomas y hoverboards demandan sensores de alto rendimiento y gran estabilidad que puedan soportar vibraciones intensas. Lograr un procesamiento de sensores de alta precisión a menudo incrementa tanto el costo como el tiempo de desarrollo cuando se usa control basado en software.

Por consiguiente, las soluciones de sensado integrado son esenciales. Para la plataforma RB3, InvenSense (ahora parte de TDK) suministra un conjunto de sensores y micrófonos de bajo consumo, perfectamente emparejados, con altos puntos de sobrecarga acústica.

El RB3 utiliza IMUs de seis ejes de InvenSense —un trío de giroscopios y acelerómetros— junto con un sensor barométrico capacitivo y micrófonos digitales multimodo. Estos IMUs proporcionan posicionamiento basado en reloj en tiempo real, mientras que el sensor de presión alcanza una precisión de elevación de 10 cm.

Los robots están adoptando cada vez más sistemas de sensores y cámaras inteligentes equipados con navegación basada en SLAM, permitiéndoles operar de manera fiable en entornos reales complejos. Las capacidades de aprendizaje automático se están integrando en cámaras de visión 3D para mejorar aún más la percepción.

Los diseñadores deben seguir priorizando la compacidad y el bajo consumo, asegurando que los sensores de alta resolución se conecten sin problemas a los controladores del robot a través de buses digitales estándar.

Al igual que la IA, los sensores y cámaras inteligentes permanecen en etapas tempranas, pero la industria anticipa una madurez significativa para 2020, ofreciendo menores costos y mayor precisión.

A medida que los sensores y la IA maduren, los robots pasarán de ser unidades autónomas independientes en almacenes y fábricas a socios colaborativos en entornos de consumo e industriales.