वैज्ञानिकों ने वास्तविक समय के रोबोट आंदोलन की योजना के लिए एक चिप विकसित की है

यदि आपने कभी देखा है कि रोबोट के डेमो संस्करण कैसे काम करते हैं, तो आपने शायद देखा कि रोबोट लगातार चलने से पहले लंबे समय तक "फ्रीज" कर सकता है। आप सोच सकते हैं कि इस तरह से रोबोट किस बिंदु पर और किस रास्ते पर आगे बढ़ना चाहता है। यह धारणा सच्चाई से बहुत दूर नहीं है: इस समय, प्रोसेसर गति नियोजन कार्यों को संसाधित करता है, जिसमें अक्सर बहुत समय लगता है। ड्यूक विश्वविद्यालय के

शोधकर्ताओं ने आज आवश्यक शक्ति के एक-बीसवें हिस्से का उपयोग करके तीन बार रोबोट आंदोलन को गति देने का एक तरीका खोज लिया है। उनके समाधान के दिल में एक विशेष प्रोसेसर है जो काम का सबसे अधिक समय लेने वाला हिस्सा प्रदर्शन कर सकता है - रोबोट की आवाजाही की पूरी श्रृंखला में सभी संभावित टक्करों की जांच - उच्च दक्षता के साथ।

मोशन प्लानिंग, उदाहरण के लिए, रोबोटिक आर्म के लिए मुख्य रूप से एक संभाव्य मार्ग मानचित्र का निर्माण शामिल है। यह एक ग्राफ है जिसमें इन बिंदुओं को जोड़ने वाली रिब लाइनों के साथ एक बाधा-मुक्त स्थान में अंक होते हैं ताकि उनके बीच के प्रत्येक आंदोलन से टकराव न हो। वास्तव में, आंदोलन योजनाकार चार्ट पर प्रारंभ और समाप्ति बिंदुओं का चयन करता है, और फिर एक बिंदु से दूसरे बिंदु तक जाने के लिए सबसे प्रभावी तरीका निर्धारित करता है।


मोशन प्लानिंग एल्गोरिदम एक बिंदु से दूसरे तक इष्टतम पथ की तलाश कर रहे हैं, जो आपको बाधाओं (बाएं) से बचने की अनुमति देता है। मुक्त स्थान (दाएं) में बिंदुओं को जोड़ने वाले किनारों के साथ एक संभाव्य मार्ग मानचित्र।

सिद्धांत रूप में, यह काफी सरल लगता है, लेकिन व्यवहार में, आपको इस तथ्य पर ध्यान देने की आवश्यकता है कि आप रोबोट हाथ से काम कर रहे हैं। और जब ब्रश एक बिंदु से दूसरे बिंदु पर जाता है, तो प्रकोष्ठ एक बाधा से टकरा सकता है। जिस क्षेत्र में रोबोट हाथ चलता है, उसे "कार्यशील मात्रा" कहा जाता है।


वर्किंग वॉल्यूम वह स्थान है जिसमें रोबोट अपनी स्थिति को एक स्थान से दूसरे स्थान पर बदलता है।

अध्ययन के परिणामों से पता चला कि बाधाओं का पता लगाने में कम्प्यूटेशनल समय का 99% से अधिक समय लगता है। रोबोट के कॉन्फ़िगर होने पर प्रारंभिक गणना की जाती है। आप एक नक्शा बनाते हैं, जिसमें लगभग 150 हजार किनारों होते हैं, जो रोबोट के संभावित प्रक्षेपवक्रों का वर्णन करते हैं, जबकि आत्म-टकराव और चीजों से टकराव से बचते हैं जो अपनी स्थिति को नहीं बदलते हैं, उदाहरण के लिए, लिंग।

ड्यूक यूनिवर्सिटी टीम सिस्टम के प्रोटोटाइप के लिए 150 हजार पसलियां बहुत ज्यादा हैं। अधिक उचित संख्या 1000 के करीब है, इसलिए शोधकर्ताओं को उनकी संख्या कम करने का एक तरीका खोजना पड़ा।

पूरी प्रक्रिया को तेज करने और सरल बनाने के लिए, शोधकर्ताओं ने पहले विभिन्न आकारों के यादृच्छिक रूप से स्थित बाधाओं की विभिन्न संख्याओं के साथ लगभग 10 हजार परिदृश्यों का मॉडल तैयार किया, और फिर जाँच की कि योजना के किन किन किनारों का उपयोग प्रणाली द्वारा आंदोलन की योजना बनाने के लिए किया जाता है। दुर्लभ रूप से इस्तेमाल की जाने वाली पसलियों को नक्शे से हटा दिया गया था। एक उदाहरण में परिणामों को कम करने और पुनरावृत्ति करने के कई पुनरावृत्तियों के बाद, किनारों की संख्या एक हजार से कम हो गई। एक ही समय में, कमी ने गति योजनाकार की दो मुख्य समस्याओं को हल करने की क्षमता को प्रभावित नहीं किया - धीमी गति से प्रसंस्करण गति और उच्च बिजली की खपत।

मानचित्र पर किनारों की संख्या को कुछ स्वीकार्य मूल्य तक सीमित करना बहुत महत्वपूर्ण है, क्योंकि प्रोसेसर की क्षमताएं जो नियोजन संचालन की प्रक्रिया करती हैं, सीमित हैं। इस स्थिति में, प्रोसेसर - प्रोग्रामेबल लॉजिक इंटीग्रेटेड सर्किट ( FPGA ) - को टक्कर डिटेक्शन सर्किट की एक सरणी के साथ प्रोग्राम किया जाता है, जिनमें से प्रत्येक मैप पर एक किनारे से मेल खाता है। इस प्रकार, कार्ड का आकार ऐसे सर्किटों की संख्या तक सीमित है जो FPGA पर फिट हो सकते हैं - अधिकतम कई हजार।

ड्यूक यूनिवर्सिटी के वैज्ञानिकों की तकनीक कार्यक्षेत्र को हजारों स्वरों में तोड़कर काम करती है। एल्गोरिथ्म तब निर्धारित करता है कि क्या पूर्व-क्रम वाली ऑब्जेक्ट प्रक्षेपवक्र एक स्वर में एम्बेडेड है। FPGAs के लिए धन्यवाद, प्रौद्योगिकी एक ही समय में हजारों मार्गों की जांच करती है, और फिर शेष सुरक्षित विकल्पों का उपयोग करके सबसे छोटे मार्ग को सीवे करती है। रोबोट ही इसे अंजाम दे सकता है।


आउटपुट पर, वैज्ञानिकों ने महत्वपूर्ण त्वरण प्राप्त किया: कार्ड पर कितने भी किनारे क्यों न हों, पूरे कार्ड की FPGA की प्रसंस्करण गति 50 नैनोसेकेंड प्रति पिक्सेल थी। एक विशेष रूप से जटिल उदाहरण में, प्रसंस्करण 0.6 एमएस से थोड़ा अधिक था। शेड्यूलर, जिसने 3.5 गीगाहर्ट्ज़ की घड़ी आवृत्ति के साथ क्वाड-कोर इंटेल एक्सॉन प्रोसेसर के आधार पर काम किया, 2.738 एमएस में इस कार्य के साथ मुकाबला किया। पारंपरिक प्रोसेसर आंदोलन की योजना के दौरान लगभग 200-300 वाट बिजली की खपत करते हैं, और ड्यूक विश्वविद्यालय के वैज्ञानिकों का विकास लगभग 20 वाट से कम है।

अब औद्योगिक रोबोट गति नियोजकों का उपयोग नहीं करते हैं। जब उदाहरण के लिए, रोबोट का उपयोग करने वाली कारों की असेंबली-लाइन असेंबली, पर्यावरण की योजना इस तरह से बनाई गई है कि रोबोट नेत्रहीन बार-बार एक ही आंदोलनों को दोहरा सकते हैं। उनके पास बस एक गलती करने का अवसर नहीं है: कार के हिस्से हर बार खुद को उसी स्थान पर पाते हैं, और रोबोट विशेष बक्से में रखे जाते हैं जो उन्हें लोगों से घेरते हैं। लेकिन अगर रोबोट वास्तविक समय गति नियोजन एल्गोरिदम का उपयोग करता है, तो यह अतीत से भटक रहे लोगों या कन्वेयर की खराबी से बाधित नहीं हो पाएगा - रोबोट सामान्य सटीकता के साथ अपना काम करेंगे।

रियल-टाइम ट्रैफिक प्लानिंग से रोबोट के वातावरण के इंजीनियरिंग के लिए समय और लागत की बचत होती है। वैज्ञानिक पिछले 30 वर्षों से नियोजन प्रौद्योगिकी का अध्ययन कर रहे हैं, और हाल के अग्रिमों ने कुछ ही सेकंड में एक बेहतर आंदोलन योजना बनाना संभव बना दिया है। मौजूदा अपवाद, कुछ अपवादों के साथ, केंद्रीय प्रोसेसर की क्षमताओं या तेज, लेकिन अधिक ऊर्जा-खपत वाले GPU पर भी भरोसा करते हैं। वैज्ञानिकों के अनुसार, केंद्रीय प्रोसेसर विभिन्न प्रकार के कार्यों को हल करने में अच्छा है, लेकिन यह विशेष रूप से केवल एक विशिष्ट कार्य के लिए डिज़ाइन किए गए प्रोसेसर के साथ प्रतिस्पर्धा नहीं कर सकता है।

दिनेश मनोचा, चैपल हिल में उत्तरी कैरोलिना विश्वविद्यालय में प्रोफेसर, जो GPUs पर एक वास्तविक समय गति योजनाकार पर काम करता है, सहमत है कि FPGAs गति योजना की दक्षता बढ़ाने की क्षमता है। उन्हें विश्वास है कि वैज्ञानिकों का विकास निकट भविष्य में इसके व्यावहारिक अनुप्रयोग को खोज लेगा: रोबोट तेजी से नई, अनिश्चित परिस्थितियों में उपयोग किए जा रहे हैं, यातायात नियोजन की भूमिका केवल समय के साथ बढ़ेगी।

स्टार्टअप रियलटाइम रोबोटिक्स प्रौद्योगिकी वैज्ञानिकों का व्यवसायीकरण करेगा। इस परियोजना के हिस्से के रूप में, FPGAs को विशेष एकीकृत सर्किट ( ASIC ) से बदल दिया जाएगा , जो 100 हजार से अधिक किनारों को जोड़ सकता है। इस तरह के उन्नयन से रोबोट विभिन्न प्रकार के वातावरण में काम कर सकेंगे।

Source: https://habr.com/ru/post/hi400079/