La Physical AI sta rapidamente ridefinendo le aspettative nel settore della robotica industriale. I robot mobili autonomi (AMR), i robot collaborativi (cobot), i sistemi di visione intelligenti e altre macchine autonome devono affrontare situazioni reali sempre più complesse, sfruttando capacità avanzate di percezione e ragionamento adattivo abilitate da un'intelligenza locale a bassa latenza.
La combinazione di AI, sensoristica e interazione fisica pone nuove esigenze alle piattaforme di edge computing embedded. Tuttavia, per gli OEM della robotica, le architetture sottostanti devono anche supportare il passaggio dalle prime fasi di sviluppo all'implementazione su scala industriale di macchinari eterogenei.
Un AMR, ad esempio, può richiedere elaborazione AI a basso consumo energetico, telecamere, LiDAR e connettività wireless, mentre un cobot può necessitare di una diversa combinazione di visione artificiale, networking industriale e capacità di controllo deterministico dei motori in tempo reale. Anche all'interno della stessa famiglia di prodotti, i requisiti di elaborazione e di I/O possono variare considerevolmente.
Con la continua evoluzione dei requisiti di sistema, diventa sempre più difficile giustificare lo sviluppo di nuove piattaforme di calcolo per ogni singola macchina. Il calcolo modulare offre una soluzione scalabile che contribuisce a supportare cicli di vita industriali prolungati e lo sviluppo di prodotti futuri.
Perché il calcolo modulare è importante per la Physical AI e la robotica
Nelle architetture di calcolo embedded, le risorse di elaborazione, la memoria e le interfacce I/O sono spesso strettamente legate a specifici requisiti applicativi. Se uno qualsiasi di questi requisiti cambia, aggiornare l'architettura di sistema sottostante può risultare notevolmente più complesso rispetto alla semplice selezione di un processore di nuova generazione.
La Physical AI richiede spesso risorse di elaborazione aggiuntive per un'Edge AI efficiente, maggiore capacità e larghezza di banda della memoria per supportare sistemi di visione sempre più complessi e nuove interfacce I/O per sensori e reti di nuova generazione. Tuttavia, la sfida fondamentale per i progettisti è che questi requisiti continuano a crescere rapidamente.
Passando ad architetture di sistema modulari, i progettisti possono separare le risorse di calcolo dall'hardware specifico dell'applicazione e ridurre le difficoltà di aggiornamento quando cambiano i requisiti di sistema.
Durante la prototipazione, i progettisti possono definire i requisiti di elaborazione, sensoristica e AI dell'applicazione prima di scegliere definitivamente l'hardware destinato alla produzione. Nella progettazione dei modelli di produzione, le interfacce I/O specifiche dell'applicazione possono quindi essere sviluppate attorno a una piattaforma di calcolo modulare adeguata, potenzialmente riutilizzabile in diverse varianti di prodotto e nelle generazioni successive.
La modularità, quindi, va oltre la semplice possibilità di sostituire un componente. Per gli OEM industriali che sviluppano più tipologie di macchine intelligenti, consente di rendere l'architettura di calcolo stessa un elemento riutilizzabile all'interno delle roadmap di prodotto a lungo termine.
Sviluppare piattaforme robotiche scalabili con SOM e standard COM aperti
I System-on-Module (SOM) e i Computer-on-Module (COM) offrono un approccio pratico per separare le piattaforme di calcolo dalla progettazione specifica dell'applicazione.
Le risorse di calcolo principali, come il processore e la memoria, sono integrate nel modulo, mentre una scheda carrier fornisce le interfacce e le altre funzionalità richieste dalla macchina specifica. Nella robotica industriale, questo consente di mantenere telecamere, sensori, controller dei motori, interfacce di rete e altri componenti hardware strettamente allineati ai requisiti delle singole macchine, senza vincolare i progetti a specifiche implementazioni del processore.
Integrando le risorse di calcolo attraverso moduli compatibili con le schede carrier, i progettisti possono adattarsi ai cambiamenti in termini di prestazioni di elaborazione, requisiti energetici e capacità AI senza dover riprogettare completamente la piattaforma di calcolo o l'hardware applicativo circostante. Ciò consente inoltre agli OEM di adattare le macchine intelligenti all'evoluzione dei requisiti di elaborazione, senza dover considerare ogni nuova generazione come un progetto completamente nuovo.
Gli standard COM aperti supportano questo approccio attraverso architetture modulari standardizzate, che possono semplificare l'integrazione delle risorse di calcolo e favorire una più rapida immissione sul mercato. Garantiscono inoltre l'interoperabilità tra soluzioni compatibili, contribuendo a ridurre la dipendenza da singoli fornitori e a rafforzare la resilienza della supply chain nel lungo periodo.
La progettazione basata su standard COM aperti viene già applicata ai sistemi industriali di Physical AI attraverso SOM basati su piattaforme di elaborazione Qualcomm avanzate. Il portafoglio SECO comprende soluzioni basate sullo standard Smart Mobility Architecture (SMARC), come SOM-SMARC-Dragonwing-IQ8 e SOM-SMARC-QCS6490, che offrono elevate prestazioni di elaborazione eterogenea in un formato compatto e con consumi energetici contenuti. In alternativa, SOM-COMe-CT6-Dragonwing-IQ-X si basa sullo standard COM Express Type 6 Compact, che offre un'ampia disponibilità di interfacce I/O ad alta velocità e supporta configurazioni di calcolo a prestazioni superiori.
Inoltre, SOM-SMARC-Dragonwing-IQ8 utilizza la stessa famiglia di processori Qualcomm Dragonwing IQ8 della piattaforma di sviluppo Arduino VENTUNO Q, progettata specificamente per applicazioni AI e robotiche. Offre quindi una piattaforma orientata alla produzione che contribuisce a ridurre le attività di riprogettazione nel passaggio dai prototipi di Physical AI basati su VENTUNO Q.
Estendere la modularità allo stack software
Le piattaforme robotiche industriali dipendono da sistemi operativi, driver, framework AI, funzionalità di sicurezza e software di gestione robusti. Tuttavia, i vantaggi della modularità hardware si riducono notevolmente se le modifiche all'hardware sottostante richiedono interventi significativi di riprogettazione del software. L'architettura software svolge quindi un ruolo fondamentale nelle strategie di calcolo modulare efficaci.
Il progetto Yocto offre una base configurabile e modulare per creare ambienti Linux embedded altamente personalizzati. Anziché utilizzare un sistema operativo (OS) generico, gli sviluppatori possono creare e mantenere immagini software basate sui pacchetti, sui driver e sui servizi specifici richiesti dall'applicazione. Questo approccio consente di supportare una gamma più ampia di piattaforme di elaborazione, escludendo al contempo i componenti software non necessari e riducendo la superficie di attacco complessiva.
Il framework software Clea di SECO estende i vantaggi fondamentali di Yocto Linux, offrendo un ecosistema edge-to-cloud compatibile con numerosi sistemi industriali di terze parti. Attraverso Clea OS e i relativi moduli software, SECO consente agli sviluppatori di supportare la cybersecurity a lungo termine e la gestione del ciclo di vita del software su flotte eterogenee gestite centralmente. Strumenti di abilitazione dell'AI come SECO App Hub permettono inoltre agli sviluppatori di distribuire modelli AI validati all'edge su diverse architetture di calcolo supportate.
Ne deriva una definizione più ampia di modularità. Anziché concentrarsi esclusivamente sulla possibilità di sostituire un modulo di calcolo con un altro, SECO dimostra come hardware, sistemi operativi, applicazioni e infrastrutture di gestione possano operare insieme come piattaforme riutilizzabili nelle implementazioni di Physical AI.
Sviluppare piattaforme di calcolo per la prossima generazione di macchine intelligenti
Gli AMR e i cobot dimostrano l'importanza di piattaforme di calcolo flessibili e modulari. Entrambe le applicazioni rientrano nella più ampia evoluzione verso la Physical AI, ma le architetture di calcolo richieste possono differire in modo significativo. Lo stesso vale per i sistemi di visione intelligenti, le apparecchiature industriali autonome e le applicazioni emergenti della robotica.
Un'architettura modulare non ha l'obiettivo di rendere queste macchine identiche. Fornisce invece una base comune che può essere adattata ai requisiti delle singole macchine. Per gli OEM della robotica industriale, la modularità consente ai progettisti di valutare come l'architettura attuale possa supportare, attraverso aggiornamenti successivi, diversi livelli di prestazioni, nuovi carichi di lavoro AI e prodotti futuri.
Con la continua evoluzione della Physical AI, è probabile che processori, sensori e software progrediscano più rapidamente rispetto a molte delle macchine industriali stesse. Separare queste tecnologie dall'hardware specifico dell'applicazione può aiutare gli OEM a creare macchine intelligenti progettate per evolversi nel tempo, senza richiedere una riprogettazione completa da zero.
Contatta i nostri esperti per scoprire come le piattaforme hardware e software modulari di SECO possono supportare la prossima generazione di sistemi industriali di Physical AI e robotica.