Ir al contenido principal
SECO
  • AI
  • Edge Computing
  • Industries
  • Clea

Por qué la IA en el dispositivo está redefiniendo el diseño de sistemas de robótica

Descubra cómo la Edge AI y la infraestructura en la nube están transformando la Physical AI y la robótica industrial, y hacen posibles despliegues de Edge a la nube escalables, seguros y en tiempo real.

Por qué la IA en el dispositivo está redefiniendo el diseño de sistemas de robótica

El sector industrial lleva tiempo utilizando plataformas de robótica para tareas como la manipulación de materiales, la fabricación de productos y la gestión de existencias. Hoy, los robots móviles autónomos (AMR), los robots colaborativos (cobots) y las líneas avanzadas de ensamblaje e inspección aprovechan la inteligencia artificial (IA) para alcanzar un nuevo nivel de autonomía operativa dentro de un nuevo campo conocido como «Physical AI».

Históricamente, muchas cargas de trabajo de IA se han asociado a la computación en la nube, debido a su abundante potencial de recursos y a las limitaciones tradicionales de potencia y rendimiento del hardware embebido. A medida que las tareas basadas en IA han avanzado, desde el reconocimiento óptico de caracteres (OCR) hasta la detección automática de defectos, por ejemplo, los requisitos de computación han seguido aumentando.

Sin embargo, las plataformas de procesamiento modernas permiten ejecutar muchas cargas de trabajo de IA sofisticadas directamente en el hardware Edge. Como resultado, estas tecnologías están cambiando la forma en que los ingenieros abordan el diseño de la robótica industrial.

Las ventajas operativas de la inteligencia local

Aunque la computación en la nube ofrece abundantes recursos para el procesamiento de IA, puede plantear problemas para la robótica industrial:

El primero es la latencia de procesamiento, que combina la latencia de red, la planificación de tareas en los servidores de la nube y el tiempo de procesamiento en la nube. Las operaciones de alta velocidad y muy coordinadas, por ejemplo, la inspección y el rechazo robotizados de productos en líneas de ensamblaje, dependen de una temporización estricta para maximizar el rendimiento. Una latencia variable reduce el determinismo y, por tanto, la eficiencia operativa, ya que hay que reducir las velocidades para compensarla.

El procesamiento no local también plantea obstáculos para la continuidad operativa. Durante las interrupciones de red, los equipos que dependen de la nube pueden sufrir una pérdida de funcionalidad cuando los recursos de procesamiento dejan de estar disponibles. Además de que el tiempo de inactividad resultante puede resultar costoso para los fabricantes, las interrupciones de red también pueden afectar a la seguridad del personal que trabaja junto a cobots y AMR si se interrumpen procesos sensoriales clave.

Además, el ancho de banda de la red genera costes y problemas de rendimiento en casos de uso con gran volumen de datos, como los cobots de inspección de calidad con cámaras de alta resolución. Asimismo, el hecho de que los datos sin procesar salgan del dispositivo para su análisis puede aumentar los riesgos para la privacidad y la seguridad de los datos.

Al pasar a una inteligencia en el dispositivo, los desarrolladores de sistemas de robótica pueden resolver estos problemas del procesamiento no local:

Procesar los datos cerca de su origen suele traducirse en una menor latencia. Los desarrolladores también pueden aumentar el determinismo con combinaciones de hardware y software diseñadas para el funcionamiento en tiempo real, lo que permite los altos niveles de coordinación que exigen los sistemas de robótica de las líneas de ensamblaje.

Del mismo modo, trasladar todos los procesos esenciales directamente a las plataformas de robótica ayuda a respaldar el funcionamiento sin red, lo que reduce el riesgo de inactividad y de pérdida de rendimiento que pueden afectar a la productividad o a la seguridad del robot. El procesamiento en el Edge también elimina los costes y las limitaciones de ancho de banda asociados al análisis de datos en la nube y mejora enormemente la privacidad y la seguridad de los datos, ya que los datos sin procesar no tienen que salir del dispositivo.

Para los equipos de robótica industrial, un enfoque que prioriza el Edge aumenta la atención de la ingeniería de hardware a los requisitos de procesamiento e interfaz de los sistemas de Physical AI. El desarrollo se complica aún más al implementar software de aplicación avanzado y flujos de trabajo de despliegue de Edge AI. Aun así, la inteligencia a bordo ofrece un camino hacia una mayor autonomía robótica.

Cómo respalda la infraestructura en la nube a la robótica industrial

Aunque el procesamiento en el Edge ofrece muchas ventajas para cada plataforma de robótica industrial, la infraestructura en la nube sigue desempeñando un papel importante para respaldar las operaciones a escala de despliegue:

La gestión de flotas en la nube permite a los equipos coordinar tanto las operaciones diarias como las programadas en muchos robots. En la práctica, esto convierte sistemas aislados en una red escalable que funciona como una sola, y reduce los cuellos de botella operativos, como los AMR que se bloquean mutuamente las rutas en espacios compartidos.

La nube ofrece además un espacio centralizado para el control de supervisión, la observabilidad mediante la telemetría de los dispositivos y la visualización de información operativa; por ejemplo, las tasas de detección de defectos y el rendimiento de fabricación de una línea de ensamblaje, en lugar de datos sin procesar. Lo más importante es que las plataformas en la nube centralizan tareas esenciales de gestión del ciclo de vida del software, como las actualizaciones por aire (OTA) que mejoran el rendimiento del robot y corrigen vulnerabilidades de seguridad.

Combinar la inteligencia local con plataformas en la nube de alcance global es una estrategia potente para la robótica industrial moderna. No obstante, este proceso puede ser complejo, por lo que los equipos de robótica se benefician de soluciones listas para producción que pueden acelerar el desarrollo de hardware y software dentro de un marco unificado de Edge a la nube.

Soluciones escalables para crear despliegues de robótica de Edge a la nube

SECO ofrece un ecosistema completo para crear sistemas de robótica destinados a operaciones industriales a escala de despliegue. Aun así, un reto clave para los ingenieros es encontrar plataformas de procesamiento capaces de respaldar cargas de trabajo avanzadas de Edge AI. SECO lo resuelve con sus system-on-modules (SOM) SOM-SMARC-Dragonwing-IQ8, SOM-COMe-CT6-Dragonwing-IQ-X y SOM-SMARC-QCS6490.

Basadas respectivamente en los procesadores Qualcomm® Dragonwing™ IQ8, Dragonwing™ IQ-X y Dragonwing™ QCS6490, estas plataformas Edge altamente integradas reducen la dependencia operativa de la nube al permitir que las tareas de IA más exigentes se ejecuten de forma local. Esto se logra mediante un procesamiento heterogéneo que incluye:

  • Varios núcleos de CPU para el procesamiento avanzado de aplicaciones, la localización y el mapeado simultáneos (SLAM) y las comunicaciones en paralelo entre periféricos de robótica, como los subsistemas de control de motores y de detección.
  • Una GPU integrada para tareas de preprocesamiento de imágenes y renderizado de gráficos, por ejemplo durante la inspección de productos o al controlar interfaces hombre-máquina (HMI).
  • Aceleración de IA dedicada para la ejecución local de la detección de personas, el reconocimiento de objetos, la clasificación de sonidos y otras tareas esenciales en entornos con cobots.

SECO ofrece estos procesadores avanzados en computer-on-modules (COM) de estándar abierto, lo que agiliza la integración y la fabricación a escala y aporta interfaces industriales para respaldar aplicaciones de robótica. Una vez que los ingenieros han creado un sistema de placa portadora adecuado, el soporte a largo plazo de los SOM y su interoperabilidad con COM del mismo estándar reducen la dependencia de un único proveedor y minimizan el esfuerzo de rediseño si más adelante hay que recurrir a soluciones alternativas.

Junto con estas plataformas de hardware, Clea de SECO ofrece una capa fundamental segura y de nivel industrial para despliegues escalables de Edge a la nube. Clea OS ofrece un framework de software modular y altamente personalizable basado en Yocto Linux, que permite a los desarrolladores aprovechar plenamente el procesamiento heterogéneo y omitir los componentes de software innecesarios, para maximizar el potencial de los recursos del Edge.

Otros módulos de Clea ayudan a los desarrolladores a crear la capa en la nube para la gestión de flotas, la orquestación de datos y las actualizaciones OTA seguras que sustentan las operaciones a largo plazo de la robótica industrial a escala de despliegue. Además, SECO App Hub y Clea Studio AI ofrecen modelos de IA verificados y entornos de entrenamiento para acelerar el desarrollo de IA.

Los avances de la Edge AI están cambiando la robótica industrial, pero SECO aporta las soluciones y la experiencia para ayudar a los ingenieros a obtener todos los beneficios del hardware Edge al crear sistemas de Physical AI. Para saber más, hable con nuestros expertos y esté atento a la próxima entrega de esta serie, que explora el panorama cambiante de la Physical AI y la robótica industrial.

SOM-SMARC-Dragonwing-IQ8

Destacado en este artículo

SOM-SMARC-Dragonwing-IQ8

Módulo SMARC® Rel. 2.2 con procesadores de aplicaciones Qualcomm® Dragonwing™ IQ8.

  • SMARC®
  • Qualcomm® Dragonwing™ IQ8

También en este artículo: SOM-COMe-CT6-Dragonwing-IQ-X, SOM-SMARC-QCS6490

Reciba la newsletter de SECO.

Suscríbase con su dirección de correo en seco.com.

Suscribirse