加速ROS2為機器人帶來自適應(yīng)計算能力

電子發(fā)燒友網(wǎng)報道（文/李寧遠）對于熟悉機器人應(yīng)用的讀者，對ROS（機器人操作系統(tǒng)）想必是不會陌生的。ROS作為機器人開發(fā)的基石，為機器人在研發(fā)過程中的代碼復(fù)用提供了支持的開源框架。大量的機器人開源項目，從感知到控制、從定位到構(gòu)圖、從導(dǎo)航到可視化，都使用ROS作為基礎(chǔ)。

而不久前AMD XILINX推出了以ROS2為中心的增強機器人自適應(yīng)計算能力的硬件加速方法——Kria Robotics Stack（KRS），通過硬件加速為機器人帶來自適應(yīng)計算能力。

從ROS到ROS2

ROS2基于ROS升級而來，如果說ROS為機器人研究和機器人原型開發(fā)提供了公用的軟件架構(gòu)并建立了良好的開源?態(tài)的話，那么ROS2就是在此基礎(chǔ)上進一步補齊了?于機器人部署環(huán)境的開發(fā)架構(gòu)和相應(yīng)的工具鏈。

這一升級也是因為隨著ROS在各類機器人系統(tǒng)，甚至延伸到在各類無人系統(tǒng)中的普及，暴露出了越來越多的弊端。首先它對資源的需求大，并不能保證在資源有限的嵌入式系統(tǒng)中運行，其次它的通信抗干擾性較差。可以說傳統(tǒng)機器人ROS實質(zhì)上是仍舊停留在主控芯片邊界的，需要通過串行協(xié)議或者ROS中的工具與主控芯片集成在一起。如果操作系統(tǒng)允許在硬件級別附近運行ROS節(jié)點，那么所有硬件外設(shè)都可用于該應(yīng)用程序，從而使其能夠直接與低級總線系統(tǒng)進行交互，亦與傳感器和執(zhí)行器接口互通。從ROS到ROS2正是基于這些原因進行的升級改版。

ROS2解決了ROS在很多層面上的性能短板，包括但不限于實時性、對MCU的支持、網(wǎng)絡(luò)通信的依賴程度、多機器人的支持等等。另外，ROS2采?RTSP（Real-Time Publish-Subscribe）協(xié)議的DDS作為中間層，大大提升了通信表現(xiàn)。DDS作為?種?于實時和嵌?式系統(tǒng)發(fā)布－訂閱式通信的?業(yè)標準，在系統(tǒng)容錯和靈活性上會更加完善?？偟膩碚f，ROS2解決了ROS在下一代實時機器人技術(shù)上的局限性。

機器人的自適應(yīng)計算

機器人是一個系統(tǒng)中系統(tǒng)——它包括感知環(huán)境的傳感器，感知環(huán)境的執(zhí)行器，計算處理所有系統(tǒng)，同時對其應(yīng)用做出一致的響應(yīng)。在很大程度上，機器人技術(shù)是系統(tǒng)集成的藝術(shù)，無論是在軟件還是硬件方面。作為機一種高度集成的專業(yè)化系統(tǒng)，機器人旨在執(zhí)行具有高可靠性和精度的任務(wù)。因此，機器人中的硬件和軟件能力之間的關(guān)系是至關(guān)重要的。

大多數(shù)機器人在內(nèi)部網(wǎng)絡(luò)交換信息，這在某種程度上可以說機器人是一個對時間敏感的網(wǎng)絡(luò)。機器人系統(tǒng)通常只有有限的板載資源，包括內(nèi)存、I/O和磁盤或計算能力，這阻礙了系統(tǒng)集成過程，使其在非結(jié)構(gòu)化、動態(tài)或不斷變化的環(huán)境中難以滿足實時需求。因此，必須為機器人系統(tǒng)選擇一個合適的計算平臺，一個既能簡化系統(tǒng)集成，又能滿足功率限制，并使機器人適應(yīng)不斷變化的需求（即自適應(yīng)機器人）。

自適應(yīng)機器人三大基石分別是自適應(yīng)行為、自適應(yīng)機電一體化以及自適應(yīng)計算，至少滿足其中一個才能被稱為自適應(yīng)機器人。我們這里主要關(guān)注自適應(yīng)計算。自適應(yīng)計算指的是機器人在運行時適應(yīng)其計算系統(tǒng)的一個或多個屬性（例如，其決定論、功耗或吞吐量）的能力。FPGA一直以來都扮演了自適應(yīng)計算中的重要角色，從過去這么多年的機器人應(yīng)用來看它比CPU和通用GPU都更適合機器人自適應(yīng)計算。

FPGA幾乎可以用于機器人技術(shù)中的任何處理任務(wù)，在數(shù)據(jù)流計算上非常出色，遵循數(shù)據(jù)驅(qū)動的機器模型，有很高的并行性和吞吐量的潛力。FPGA適合自適應(yīng)計算的另一個方面是，數(shù)據(jù)路徑寬度和寄存器長度可以根據(jù)每個機器人應(yīng)用程序的需要進行定制。CPU和通用GPU雖然在控制流計算上很出色，但固定架構(gòu)很難適應(yīng)新的機器人場景，同時它們的功耗通常比專門的計算架構(gòu)高出一到兩個數(shù)量級。

ROS2與機器人自適應(yīng)計算

以ROS2為中心的增強機器人自適應(yīng)計算能力的硬件加速方法——Kria Robotics Stack專門針對此前AMD XILINX推出的Kira SOM硬件組合，提供低延遲（快速計算）、確定性（可預(yù)測）、實時（準時）、安全性和高吞吐量的徹底硬件加速，將自適應(yīng)算力帶向 AI 和軟件開發(fā)者。其核心為將機器人技術(shù)中使用的傳統(tǒng)控制驅(qū)動方法與數(shù)據(jù)驅(qū)動方法相結(jié)合以優(yōu)化硬件資源的數(shù)量，從而提高性能，并允許更高效、確定性和安全的硬件結(jié)構(gòu)。

KRS與ROS2深度綁定，沒有重新設(shè)計庫和模擬器，直接建立在ROS2上。ROS2位于KRS架構(gòu)的核心，在中間件組層中被繼續(xù)增強。為了幫助ROS2突破OSI堆棧中的時間瓶頸和限制，KRS分三類對ROS2進行硬件加速。

KRS部分架構(gòu)圖，AMD XILINX

第一個針對ROS 2應(yīng)用程序和庫，這個組可以在ROS 2之上加速OSI L7應(yīng)用程序或庫，包括導(dǎo)航、操作、感知或控制堆棧中的所選組件；第二個針對ROS2核心，在FPGA或SOM中加速或卸載ROS2節(jié)點；第三個針對ROS2的底層，包括完整或部分FPGA加速DDS實現(xiàn)、卸載網(wǎng)絡(luò)堆棧等等。

Kria SOM與KRS加速示例，AMD XILINX

以ROS2為核心，KRS從整體硬件加速的視角出發(fā)，既優(yōu)化了ROS2內(nèi)的計算交互，也對在ROS2上的應(yīng)用提供了加速，在ROS2中實現(xiàn)了自適應(yīng)計算的集成。

寫在最后

KRS以ROS設(shè)計人員的視角提供了一種實現(xiàn)自適應(yīng)計算的思路，再結(jié)合SOM，為機器人應(yīng)用提供了雙重軟件和硬件靈活的計算基底，提供了下一代機器人所需的關(guān)鍵自適應(yīng)特性。