Chip năng lượng cực thấp giúp robot nhỏ có khả năng hơn

Để tiết kiệm năng lượng, các chip sử dụng bộ xử lý miền thời gian tương tự kỹ thuật số lai trong đó độ rộng xung của tín hiệu mã hóa thông tin. IC mạng thần kinh cung cấp cả lập trình dựa trên mô hình và học tập củng cố hợp tác, có khả năng cung cấp cho các robot nhỏ khả năng lớn hơn để trinh sát, tìm kiếm và cứu hộ và các nhiệm vụ khác.

Các nhà nghiên cứu từ Viện Công nghệ Georgia đã trình diễn những chiếc xe robot được điều khiển bởi các ASIC độc đáo tại Hội nghị Mạch rắn Quốc tế IEEE 2019 (ISSCC). Nghiên cứu được tài trợ bởi Cơ quan Dự án Nghiên cứu Quốc phòng Tiên tiến (DARPA) và Tập đoàn Nghiên cứu Bán dẫn (SRC) thông qua Trung tâm Trí tuệ Kích hoạt Điện toán lấy cảm hứng từ Não bộ (CBRIC).

Arijit Raychowdhury, phó giáo sư tại Trường Kỹ thuật Điện và Máy tính của Georgia Tech cho biết: “Chúng tôi đang cố gắng mang lại trí thông minh cho những robot rất nhỏ này để chúng có thể tìm hiểu về môi trường của chúng và tự di chuyển, không cần cơ sở hạ tầng”. “Để thực hiện điều đó, chúng tôi muốn đưa các khái niệm mạch điện năng thấp đến các thiết bị rất nhỏ này để chúng có thể tự đưa ra quyết định. Có nhu cầu rất lớn đối với các robot rất nhỏ nhưng có khả năng không cần cơ sở hạ tầng.”

Những chiếc xe được trình diễn bởi Raychowdhury và các sinh viên tốt nghiệp Ningyuan Cao, Muya Chang và Anupam Golder điều hướng qua một đấu trường nổi bởi những miếng cao su và được bao quanh bởi những bức tường bằng bìa cứng. Khi họ tìm kiếm mục tiêu, các robot phải tránh các hình nón giao thông và nhau, học hỏi từ môi trường khi chúng đi và liên tục giao tiếp với nhau.

Những chiếc xe sử dụng cảm biến quán tính và siêu âm để xác định vị trí của chúng và phát hiện các vật thể xung quanh chúng. Thông tin từ các cảm biến đi đến ASIC lai, đóng vai trò là “bộ não” của các phương tiện. Hướng dẫn sau đó đi đến bộ điều khiển Raspberry Pi, sẽ gửi hướng dẫn đến động cơ điện.

Trong các robot có kích thước bằng lòng bàn tay, ba hệ thống chính tiêu thụ năng lượng: động cơ và bộ điều khiển được sử dụng để lái và điều khiển các bánh xe, bộ xử lý và hệ thống cảm biến. Trong những chiếc xe được chế tạo bởi nhóm của Raychowdhury, ASIC công suất thấp có nghĩa là các động cơ tiêu thụ phần lớn năng lượng. “Chúng tôi đã có thể đẩy sức mạnh tính toán xuống mức mà ngân sách bị chi phối bởi nhu cầu của động cơ,” ông nói.

Nhóm nghiên cứu đang làm việc với các cộng tác viên về các động cơ sử dụng công nghệ vi điện (MEMS) có thể hoạt động với công suất thấp hơn nhiều so với các động cơ thông thường.

“Chúng tôi muốn xây dựng một hệ thống trong đó cảm biến năng lượng, thông tin liên lạc và sức mạnh máy tính và sự truyền động ở cùng một mức, theo thứ tự hàng trăm milliwatts,” Raychowdhury, Phó giáo sư bán dẫn ON của Trường Kỹ thuật Điện và Máy tính. “Nếu chúng ta có thể chế tạo những robot có kích thước vừa lòng bàn tay này bằng động cơ và bộ điều khiển hiệu quả, chúng ta sẽ có thể cung cấp thời gian chạy vài giờ trên một vài pin AA. Bây giờ chúng ta có một ý tưởng tốt về loại nền tảng điện toán nào chúng ta cần để cung cấp, nhưng chúng ta vẫn cần các thành phần khác để bắt kịp. “

Trong điện toán miền thời gian, thông tin được thực hiện trên hai điện áp khác nhau, được mã hóa theo chiều rộng của các xung. Điều đó mang lại cho các mạch lợi thế hiệu quả năng lượng của các mạch tương tự với sự mạnh mẽ của các thiết bị kỹ thuật số.

Raychowdhury nói: “Kích thước của chip giảm đi một nửa và mức tiêu thụ năng lượng là một phần ba so với chip kỹ thuật số truyền thống sẽ cần”. “Chúng tôi đã sử dụng một số kỹ thuật trong cả thiết kế logic và bộ nhớ để giảm mức tiêu thụ năng lượng xuống phạm vi milliwatt trong khi đáp ứng hiệu suất mục tiêu.”

Với mỗi độ rộng xung đại diện cho một giá trị khác nhau, hệ thống chậm hơn các thiết bị kỹ thuật số hoặc analog, nhưng Raychowdhury nói rằng tốc độ là đủ cho các robot nhỏ. (Một milliwatt là một phần nghìn watt).

“Đối với các hệ thống điều khiển này, chúng tôi không cần các mạch hoạt động ở nhiều gigahertz vì các thiết bị không di chuyển nhanh như vậy”, ông nói. “Chúng tôi đang hy sinh một hiệu suất nhỏ để đạt được hiệu suất năng lượng cực cao. Ngay cả khi máy tính hoạt động ở mức 10 hoặc 100 megahertz, điều đó sẽ đủ cho các ứng dụng mục tiêu của chúng tôi.”

Các chip CMOS 65 nanomet chứa cả hai loại học tập phù hợp cho robot. Hệ thống có thể được lập trình để tuân theo các thuật toán dựa trên mô hình và nó có thể học từ môi trường của nó bằng cách sử dụng một hệ thống tăng cường khuyến khích hiệu suất tốt hơn và tốt hơn theo thời gian giống như một đứa trẻ học cách đi bộ bằng cách va vào mọi thứ.

Raychowdhury nói: “Bạn khởi động hệ thống với một tập hợp trọng lượng được xác định trước trong mạng lưới thần kinh để robot có thể bắt đầu từ một nơi tốt và không gặp sự cố ngay lập tức hoặc cung cấp thông tin sai lệch”. “Khi bạn triển khai nó ở một vị trí mới, môi trường sẽ có một số cấu trúc mà nó sẽ nhận ra và một số hệ thống sẽ phải học. Hệ thống sau đó sẽ tự đưa ra quyết định và nó sẽ đánh giá hiệu quả của từng quyết định tối ưu hóa chuyển động của nó. “

Giao tiếp giữa các robot cho phép chúng hợp tác để tìm kiếm mục tiêu.

“Trong một môi trường hợp tác, robot không chỉ cần hiểu những gì nó đang làm, mà cả những gì những người khác trong cùng nhóm đang làm”, ông nói. “Họ sẽ làm việc để tối đa hóa tổng số phần thưởng của nhóm trái ngược với phần thưởng của cá nhân.”

Với trình diễn ISSCC của họ cung cấp một bằng chứng về khái niệm, nhóm đang tiếp tục tối ưu hóa các thiết kế và đang làm việc trên một hệ thống trên chip để tích hợp mạch tính toán và điều khiển.

“Chúng tôi muốn kích hoạt ngày càng nhiều chức năng hơn trong những robot nhỏ này”, Raychowdhury nói thêm. “Chúng tôi đã chỉ ra những gì có thể, và những gì chúng tôi đã làm bây giờ sẽ cần được tăng cường bởi những đổi mới khác.”

Dự án này được hỗ trợ bởi Tập đoàn nghiên cứu chất bán dẫn dưới sự cấp phép của JUMP CBRIC ID 2777.006.

Nguồn tin tức:

Tài liệu được cung cấp bởi Viện Công nghệ Georgia . Bản gốc được viết bởi John Toon. Lưu ý: Nội dung có thể được chỉnh sửa cho kiểu dáng và độ dài.