طراحی هوش اختصاصی شده برای ربات ها
سیستم جدید معماری سخت افزاری را برای تسریع در زمان پاسخ ربات ها طراحی می کند.
ربات های جدید می توانند به سرعت حرکت کنند. صابرینا نئومن می گوید: “موتورها سریع و قدرتمند هستند.”
با این حال در شرایط پیچیده ای مثل تعامل با مردم، ربات ها اغلب سریع حرکت نمی کنند. او می افزاید: “خاتمه دادن مکالمه همان چیزی است که در سر ربات می گذرد.”
نئومن مسئول پروژه هوش اختصاصی، که اخیراً با دکترای آزمایشگاه علوم کامپیوتر و هوش مصنوعی MIT (CSAIL) فارغ التحصیل شده است، می گوید: ادراک “محرک ها” و “محاسبه پاسخ” زمان واکنش را محدود می کند. نئومن راهی برای مبارزه با این عدم تطابق بین “ذهن” و بدن یک ربات پیدا کرده است. این روش که محاسبات روبومورفیک نامیده می شود، از طرح فیزیکی ربات و برنامه های در نظر گرفته شده برای تولید تراشه رایانه ای سفارشی استفاده می کند که زمان پاسخگویی ربات را به حداقل می رساند.
از این پیشرفت می تواند به انواع برنامه های رباتیک، از جمله، به طور بالقوه ای در مراقبت های پزشکی از بیماران مسری، در خط مقدم استفاده شود. نئومن می گوید: “اگر ما بتوانیم ربات هایی داشته باشیم که بتوانند به کاهش خطر بیماران و کارمندان بیمارستان کمک کنند، بسیار خارق العاده خواهد بود.”
نئومن این تحقیق را در کنفرانس بین المللی پشتیبانی معماری زبانهای برنامه نویسی و سیستم عامل در آوریل ارائه خواهد داد. از جمله نویسندگان MIT می توان به دانشجوی کارشناسی ارشد توماس بورگیت و سرینی دیواداس، استاد مهندسی برق ادوین سیبلی وبستر و مشاور دکترای نیومن اشاره کرد. از دیگر نویسندگان این کتاب می توان به برایان پلانچر، تیری تامبه و ویجی جاناپا ردی، همه دانشگاه هاروارد اشاره کرد. نئومن هم اکنون یک دانشجوی نوآوری در رایانه NSF در مقطع دکترا در دانشکده مهندسی و علوم کاربردی هاروارد است.
طبق گفته نئومن که مسئول پروژه هوش اختصاصی شده برای ربات ها است، سه مرحله اصلی در کار یک ربات وجود دارد. اولین مورد، «ادراک» است که شامل جمع آوری داده ها با استفاده از سنسورها یا دوربین ها است. دوم نقشه برداری و بومی سازی است: “نیومن می گوید:” براساس آنچه دیده اند، آنها باید نقشه ای از جهان اطراف خود بسازند و سپس خود را در آن نقشه بومی سازی کنند. ” گام سوم برنامه ریزی و کنترل حرکت است؛ به عبارت دیگر، ترسیم یک مسیر عملی” است.
این مراحل می تواند به زمان و قدرت محاسباتی بسیار زیادی نیاز داشته باشد. پلانچر می گوید: “برای اینکه روبات ها در مزرعه مستقر شوند و با خیال راحت در محیط های پویای اطراف انسان فعالیت کنند، باید خیلی سریع فکر کنند و واکنش نشان دهند.” “الگوریتم های فعلی نمی توانند به اندازه کافی سریع بر روی سخت افزار CPU فعلی اجرا شوند.”
نئومن اضافه می کند که محققان در حال بررسی الگوریتم های بهتری بوده اند ، اما او فکر می کند تنها بهبود نرم افزار جواب نمی دهد. “خبر جدید اینه که که ممکن است سخت افزار بهتری را نیز کشف کنیم.” که به معنی حرکت فراتر از یک تراشه پردازش CPU استاندارد که شامل مغز ربات هم میشه، برسیم.
شتاب سخت افزاری به استفاده از یک واحد سخت افزاری تخصصی برای انجام کارهای محاسباتی خاص با کارآیی بیشتر اشاره دارد. یک شتاب دهنده سخت افزاری که معمولاً مورد استفاده قرار می گیرد، واحد پردازش گرافیک (GPU) است، تراشه ای که مخصوص پردازش موازی است. این دستگاه ها برای گرافیک مفید هستند زیرا ساختار موازی آنها امکان پردازش همزمان هزاران پیکسل را به آنها می دهد. نیومن می گوید: “GPU در همه موارد بهترین نیست، اما در آنچه برای آن ساخته شده بهترین است.” “شما برای یک برنامه خاص عملکرد بالاتری کسب می کنید.” بیشتر روبات ها با مجموعه ای از برنامه های در نظر گرفته شده طراحی شده اند و بنابراین می توانند از شتاب سخت افزاری بهره مند شوند. به همین دلیل تیم نئومن محاسبات robomorphic را توسعه داد.
این سیستم طراحی سخت افزاری سفارشی را ایجاد می کند تا به بهترین وجه نیازهای محاسباتی یک ربات خاص را تأمین کند. کاربر پارامترهای یک ربات را وارد می کند، مانند طرح اندام آن و نحوه حرکت مفصل های مختلف آن. سیستم نئومن این خصوصیات فیزیکی را به ماتریس های ریاضی ترجمه می کند. این ماتریس ها “پراکنده” هستند، به این معنی که آنها دارای مقدار زیادی صفر هستند که تقریباً با حرکاتی مطابقت دارند که با توجه به آناتومی خاص یک ربات غیرممکن است. (به طور مشابه، حرکات بازوی شما محدود است زیرا فقط در اتصالات خاصی خم می شود (این یک رشته ماکارونی فوق العاده قابل انعطاف نیست! ).
سپس این سیستم معماری سخت افزاری را برای اجرای محاسبات فقط در مقادیر غیر صفر در ماتریس ها طراحی می کند. بنابراین طراحی تراشه حاصل برای به حداکثر رساندن کارایی برای نیازهای محاسباتی ربات طراحی شده است. و این سفارشی سازی در آزمایش نتیجه داد.
معماری سخت افزار با استفاده از این روش برای یک برنامه خاص از واحدهای پردازنده و پردازنده گرافیکی خارج از عملکرد بهتر عمل کرده است. در حالی که تیم نئومن تراشه خاصی را از ابتدای ساخت، بر اساس پیشنهادات سیستم خود، تراشه آرایه گیت قابل برنامه ریزی (FPGA) را برنامه ریزی کردند. علی رغم اینکه با سرعت کلاک کمتری کار می کند، این تراشه هشت برابر سریعتر از پردازنده مرکزی و 86 برابر سریعتر از پردازنده گرافیکی عمل می کند.
نئومن مسئول پروژه هوش اختصاصی می گوید: “من از این نتایج خوشحال شدم.” “حتی اگر سرعت پایین کلاک ما را دچار مشکل کند، اما اون رو با کارآیی بیشتر جبران کردیم.
Plancher پتانسیل گسترده ای را برای محاسبات روبومورفیک می بیند. او می گوید: “در حالت ایده آل، ما می توانیم برای هر ربات یک تراشه برنامه ریزی حرکت سفارشی بسازیم، به آنها اجازه می دهد حرکت سریع و ایمن را محاسبه کنند.” من تعجب نخواهم کرد اگر 20 سال دیگر هر روبات تعداد انگشت شماری از تراشه های رایانه ای خود را تأمین کند و این یکی از آنها باشد. ” نویمان اضافه می کند که محاسبات ربومورفیک ممکن است به ربات ها اجازه دهد تا در طیف وسیعی از تنظیمات مانند مراقبت از بیماران covid-19 یا دستکاری اشیا heavy سنگین، خطرات معمول برای انسان را از بین ببرند.
رابین دیتس، مهندس رباتیک در Boston Dynamics که درگیر این تحقیق نبوده است، می گوید: “این کار هیجان انگیز است زیرا نشان می دهد چگونه می توان از طرح های مدار ویژه برای تسریع در یک مولفه اصلی کنترل ربات استفاده کرد.” “عملکرد نرم افزار برای رباتیک بسیار مهم است زیرا دنیای واقعی هرگز منتظر نمی ماند تا ربات فکر خود را تمام کند.” وی اضافه می کند که پیشرفت نئومن می تواند ربات ها را قادر به تفکر سریعتر کند، “باز کردن رفتارهای هیجان انگیز که قبلاً از نظر محاسباتی بسیار دشوار بود.”
نئومن قصد دارد کل سیستم محاسبات روبومورفیک را اتوماتیک کند. کاربران به سادگی پارامترهای ربات خود را کشیده و رها می کنند و “از انتهای دیگر توضیحات سخت افزار ارائه می شود. من فکر می کنم این چیزی است که آن را از لبه خارج کرده و واقعاً مفید خواهد بود.
بودجه این تحقیق توسط بنیاد ملی علوم، آژانس تحقیقات محاسبات، پروژه CIFellows و آژانس پروژه های تحقیقاتی پیشرفته دفاعی تأمین شد.
