La inteligencia artificial física (Physical AI) está transformando rápidamente las expectativas en el ámbito de la robótica industrial. Los robots móviles autónomos (AMR), los robots colaborativos (cobots), los sistemas de visión inteligentes y otras máquinas autónomas deben enfrentarse a situaciones cada vez más complejas del mundo real, utilizando capacidades avanzadas de percepción y razonamiento adaptativo impulsadas por inteligencia local de baja latencia.
La combinación de AI, sensores e interacción física plantea nuevas exigencias a las plataformas de edge computing embebido. Sin embargo, para los OEM de robótica, las arquitecturas subyacentes también deben facilitar la transición desde las primeras fases de desarrollo hasta el despliegue a escala industrial de maquinaria heterogénea.
Un AMR, por ejemplo, puede priorizar el procesamiento de AI energéticamente eficiente, las cámaras, el LiDAR y la conectividad inalámbrica, mientras que un cobot puede requerir una combinación diferente de visión artificial, redes industriales y capacidades de control determinista de motores en tiempo real. Incluso dentro de una misma familia de productos, los requisitos de procesamiento y de E/S pueden variar considerablemente.
A medida que los requisitos de los sistemas siguen evolucionando, resulta cada vez más difícil justificar el desarrollo de nuevas plataformas de computación para cada máquina. La computación modular ofrece una solución escalable que contribuye a prolongar los ciclos de vida industriales y a facilitar el desarrollo de futuros productos.
Por qué la computación modular es importante para la Physical AI y la robótica
En las arquitecturas de computación embebida, los recursos de procesamiento, la memoria y las interfaces de E/S suelen estar estrechamente vinculados a requisitos específicos de cada aplicación. Si alguno de estos requisitos cambia, actualizar la arquitectura subyacente del sistema puede resultar considerablemente más complejo que simplemente seleccionar un procesador más reciente.
La Physical AI suele requerir recursos de procesamiento adicionales para una Edge AI eficiente, mayor capacidad y ancho de banda de memoria para admitir sistemas de visión cada vez más complejos y nuevas interfaces de E/S para sensores y redes modernas. Sin embargo, el principal desafío para los ingenieros es que estos requisitos continúan aumentando rápidamente.
Al adoptar arquitecturas de sistemas modulares, los ingenieros pueden separar los recursos de computación del hardware específico de cada aplicación y reducir las dificultades de actualización cuando cambian los requisitos del sistema.
Durante la creación de prototipos, los ingenieros pueden definir los requisitos de procesamiento, sensores y AI de la aplicación antes de comprometerse con el hardware de producción. Al diseñar los modelos de producción, las interfaces de E/S específicas de la aplicación pueden desarrollarse en torno a una plataforma de computación modular adecuada, que potencialmente puede reutilizarse en distintas variantes de producto y futuras generaciones.
Por tanto, la modularidad va más allá de permitir la sustitución de un componente. Para los OEM industriales que desarrollan diferentes máquinas inteligentes, permite que la propia arquitectura de computación se convierta en un elemento reutilizable dentro de las hojas de ruta de producto a largo plazo.
Desarrollo de plataformas robóticas escalables con SOM y estándares COM abiertos
Los System-on-Modules (SOM) y los Computer-on-Modules (COM) ofrecen una forma práctica de separar las plataformas de computación del diseño específico de cada aplicación.
Los principales recursos de computación, como el procesador y la memoria, se integran en el módulo, mientras que una placa portadora proporciona las interfaces y otras funcionalidades necesarias para cada máquina. En la robótica industrial, esto permite adaptar las cámaras, los sensores, los controladores de motores, las interfaces de red y otros componentes de hardware a los requisitos específicos de cada máquina, sin vincular los diseños a implementaciones concretas de procesadores.
Al integrar los recursos de computación mediante módulos compatibles con placas portadoras, los diseñadores pueden adaptarse a los cambios en el rendimiento de procesamiento, los requisitos energéticos y las capacidades de AI sin tener que rediseñar por completo la plataforma de computación o el hardware de aplicación circundante. Esto también permite a los OEM adaptar las máquinas inteligentes a los cambios en los requisitos de procesamiento sin tratar cada nueva generación como un diseño completamente nuevo.
Los estándares COM abiertos respaldan este enfoque mediante arquitecturas de módulos estandarizadas que pueden simplificar la integración de recursos de computación y acelerar la comercialización. También ofrecen interoperabilidad entre soluciones compatibles, lo que puede contribuir a reducir la dependencia de un único proveedor y reforzar la resiliencia de la cadena de suministro a largo plazo.
El diseño basado en estándares COM abiertos ya se está aplicando en sistemas industriales de Physical AI mediante SOM equipados con plataformas de procesamiento avanzadas de Qualcomm. El catálogo de SECO incluye soluciones basadas en el estándar Smart Mobility Architecture (SMARC), como SOM-SMARC-Dragonwing-IQ8 y SOM-SMARC-QCS6490, que ofrecen procesamiento heterogéneo de alto rendimiento en un formato compacto y con un consumo energético reducido. Como alternativa, SOM-COMe-CT6-Dragonwing-IQ-X se basa en el estándar COM Express Type 6 Compact, que proporciona numerosas interfaces de E/S de alta velocidad y admite configuraciones de computación de mayor rendimiento.
Además, SOM-SMARC-Dragonwing-IQ8 utiliza la misma familia de procesadores Qualcomm Dragonwing IQ8 que la plataforma de desarrollo Arduino VENTUNO Q, diseñada específicamente para aplicaciones de AI y robótica. Por tanto, ofrece una plataforma orientada a la producción que ayuda a reducir las tareas de rediseño durante la transición desde prototipos de Physical AI basados en VENTUNO Q.
Extender la modularidad a la pila de software
Las plataformas de robótica industrial dependen de sistemas operativos, controladores, frameworks de AI, funciones de seguridad y software de gestión robustos. Sin embargo, las ventajas de la modularidad del hardware se reducen considerablemente si los cambios en el hardware subyacente requieren un rediseño significativo del software. Por ello, la arquitectura de software desempeña un papel fundamental en las estrategias eficaces de computación modular.
El proyecto Yocto proporciona una base configurable y modular para crear entornos Linux embebidos altamente personalizados. En lugar de utilizar un sistema operativo (OS) de propósito general, los desarrolladores pueden crear y mantener imágenes de software adaptadas a los paquetes, controladores y servicios específicos que requiere cada aplicación. Esto permite admitir una gama más amplia de plataformas de procesamiento, al tiempo que se excluyen los componentes de software innecesarios y se reduce la superficie de ataque general.
El framework de software Clea de SECO amplía las ventajas fundamentales de Yocto Linux y proporciona un ecosistema edge-to-cloud compatible con numerosos sistemas industriales de terceros. A través de Clea OS y sus módulos de software asociados, SECO permite a los desarrolladores gestionar la ciberseguridad a largo plazo y el ciclo de vida del software en flotas heterogéneas administradas de forma centralizada. Las herramientas de habilitación de AI, como SECO App Hub, permiten además a los desarrolladores desplegar modelos de AI validados en el edge a través de múltiples arquitecturas de computación compatibles.
El resultado es una definición más amplia de modularidad. En lugar de centrarse únicamente en si un módulo de computación puede sustituirse por otro, SECO demuestra cómo el hardware, los sistemas operativos, las aplicaciones y la infraestructura de gestión pueden trabajar conjuntamente como plataformas reutilizables en los despliegues de Physical AI.
Desarrollo de plataformas de computación para la próxima generación de máquinas inteligentes
Los AMR y los cobots demuestran la importancia de contar con plataformas de computación flexibles y modulares. Ambas aplicaciones forman parte de la evolución más amplia hacia la Physical AI, pero las arquitecturas de computación necesarias para cada una pueden variar significativamente. Lo mismo ocurre con los sistemas de visión inteligentes, los equipos industriales autónomos y las nuevas aplicaciones de robótica.
Una arquitectura modular no pretende hacer que estas máquinas sean idénticas. En su lugar, proporciona una base común que puede adaptarse a los requisitos de cada máquina. Para los OEM de robótica industrial, la modularidad permite a los ingenieros considerar cómo la arquitectura actual podría admitir diferentes niveles de rendimiento, nuevas cargas de trabajo de AI y futuros productos mediante actualizaciones posteriores.
A medida que la Physical AI continúa evolucionando, es probable que los procesadores, los sensores y el software avancen más rápidamente que muchas de las propias máquinas industriales. Separar estas tecnologías del hardware específico de cada aplicación puede ayudar a los OEM a crear máquinas inteligentes diseñadas para evolucionar, en lugar de requerir un rediseño completo desde cero.
Ponte en contacto con nuestros expertos para descubrir cómo las plataformas modulares de hardware y software de SECO pueden respaldar la próxima generación de sistemas industriales de Physical AI y robótica.