Vai al contenuto principale
SECO
  • AI
  • Edge Computing
  • Industries
  • Clea

Perché l’AI sul dispositivo sta ridefinendo la progettazione dei sistemi robotici

Scopri come l’edge AI e l’infrastruttura cloud stanno rimodellando la Physical AI e la robotica industriale, rendendo possibili deployment edge-to-cloud scalabili, sicuri e in tempo reale.

Perché l’AI sul dispositivo sta ridefinendo la progettazione dei sistemi robotici

Il settore industriale utilizza da tempo piattaforme robotiche per attività come la movimentazione dei materiali, la produzione e la gestione delle scorte. Oggi i robot mobili autonomi (AMR), i robot collaborativi (cobot) e le linee avanzate di assemblaggio e ispezione sfruttano l’intelligenza artificiale (AI) per raggiungere un nuovo livello di autonomia operativa, all’interno di un nuovo ambito noto come “physical AI”.

Storicamente, molti carichi di lavoro AI sono stati associati al cloud computing, per la sua abbondanza di risorse e per i tradizionali limiti di alimentazione e prestazioni dell’hardware embedded. Con l’avanzare delle attività guidate dall’AI, dal riconoscimento ottico dei caratteri (OCR) al rilevamento automatico dei difetti, ad esempio, i requisiti di calcolo hanno continuato ad aumentare.

Le moderne piattaforme di elaborazione, però, permettono a molti carichi di lavoro AI sofisticati di girare direttamente sull’hardware edge. Di conseguenza, queste tecnologie stanno cambiando il modo in cui gli ingegneri affrontano la progettazione della robotica industriale.

I vantaggi operativi dell’intelligenza locale

Se il cloud computing offre ampie risorse per l’elaborazione AI, può introdurre problemi per la robotica industriale:

Il primo è la latenza di elaborazione, che combina latenza di rete, pianificazione delle attività nei server cloud e tempo di elaborazione nel cloud. Le operazioni ad alta velocità e fortemente coordinate, ad esempio l’ispezione robotica dei prodotti e lo scarto sulle linee di assemblaggio, si basano su tempistiche rigorose per massimizzare la produttività. Una latenza variabile riduce il determinismo e quindi l’efficienza operativa, perché le velocità devono essere ridotte per compensare.

L’elaborazione non locale pone anche ostacoli alla continuità operativa. Durante le interruzioni di rete, le apparecchiature che dipendono dal cloud possono subire un funzionamento degradato quando le risorse di elaborazione non sono disponibili. Oltre al fermo, spesso costoso per i produttori, le interruzioni di rete possono anche compromettere la sicurezza del personale che lavora accanto a cobot e AMR se vengono interrotti processi sensoriali chiave.

Inoltre la larghezza di banda di rete crea problemi di costo e di throughput nei casi d’uso con molti dati, come i cobot per l’ispezione della qualità con telecamere ad alta risoluzione. Inoltre, i dati grezzi che lasciano il dispositivo per essere analizzati possono aumentare i rischi per la privacy e la sicurezza dei dati.

Passando all’intelligenza sul dispositivo, gli sviluppatori di sistemi robotici possono risolvere questi problemi dell’elaborazione non locale:

Elaborare i dati vicino alla loro origine comporta in genere una latenza inferiore. Gli sviluppatori possono inoltre aumentare il determinismo usando combinazioni hardware-software progettate per il funzionamento in tempo reale, ottenendo gli elevati livelli di coordinamento richiesti dai sistemi robotici delle linee di assemblaggio.

Allo stesso modo, spostare tutti i processi essenziali direttamente sulle piattaforme robotiche aiuta a supportare il funzionamento senza rete, riducendo il rischio di fermi e di prestazioni degradate che possono incidere su produttività o sicurezza del robot. L’elaborazione all’edge elimina inoltre i costi e i vincoli di larghezza di banda legati all’analisi dei dati nel cloud, migliorando notevolmente privacy e sicurezza dei dati, poiché i dati grezzi non devono lasciare il dispositivo.

Per i team di robotica industriale, un approccio edge-first aumenta l’attenzione ingegneristica sull’hardware per i requisiti di elaborazione e di interfacciamento dei sistemi di physical AI. Lo sviluppo è ulteriormente complicato dall’implementazione di software applicativo avanzato e di flussi di deployment dell’edge AI. Tuttavia, l’intelligenza a bordo offre una strada verso una maggiore autonomia robotica.

Come l’infrastruttura cloud supporta la robotica industriale

Se l’elaborazione all’edge offre molti vantaggi per le singole piattaforme di robotica industriale, l’infrastruttura cloud continua ad avere un ruolo importante nel supportare le operazioni su scala di deployment:

La gestione della flotta basata su cloud permette ai team di coordinare sia le operazioni quotidiane sia quelle programmate su molti robot. In pratica, questo trasforma sistemi distinti in una rete scalabile che opera come un tutt’uno, riducendo colli di bottiglia operativi come gli AMR che si bloccano a vicenda i percorsi negli spazi condivisi.

Il cloud offre inoltre uno spazio centralizzato per il controllo di supervisione, l’osservabilità tramite la telemetria dei dispositivi e la visualizzazione di informazioni operative, come i tassi di rilevamento dei difetti e il throughput di produzione su una linea di assemblaggio, anziché dati grezzi. Soprattutto, le piattaforme cloud centralizzano attività essenziali di gestione del ciclo di vita del software, come gli aggiornamenti over-the-air (OTA) che migliorano le prestazioni dei robot e offrono rimedi contro le vulnerabilità di sicurezza.

Combinare l’intelligenza locale con piattaforme cloud di livello superiore è una strategia efficace per la robotica industriale moderna. Questo processo può tuttavia essere complesso, perciò i team di robotica traggono vantaggio da soluzioni pronte per la produzione, in grado di accelerare lo sviluppo di hardware e software all’interno di un framework edge-to-cloud unificato.

Soluzioni scalabili per costruire deployment robotici edge-to-cloud

SECO offre un ecosistema completo per costruire sistemi robotici destinati a operazioni industriali su scala di deployment. Per gli ingegneri, però, una sfida chiave è trovare piattaforme di elaborazione in grado di supportare carichi di lavoro avanzati di edge AI. SECO la risolve con i system-on-module (SOM) SOM-SMARC-Dragonwing-IQ8, SOM-COMe-CT6-Dragonwing-IQ-X e SOM-SMARC-QCS6490.

Basate rispettivamente sui processori Qualcomm® Dragonwing™ IQ8, Dragonwing™ IQ-X e Dragonwing™ QCS6490, queste piattaforme edge altamente integrate riducono la dipendenza operativa dal cloud permettendo di eseguire localmente attività AI esigenti. Ciò avviene grazie a un’elaborazione eterogenea, che comprende:

  • Più core CPU per l’elaborazione applicativa avanzata, la localizzazione e mappatura simultanee (SLAM) e le comunicazioni parallele tra le periferiche robotiche, come i sottosistemi di controllo motore e di rilevamento.
  • Una GPU integrata per la pre-elaborazione delle immagini e per attività di rendering grafico, ad esempio durante l’ispezione dei prodotti o per pilotare le interfacce uomo-macchina (HMI).
  • Accelerazione AI dedicata per l’esecuzione locale di rilevamento di persone, riconoscimento di oggetti, classificazione dei suoni e altre attività essenziali negli ambienti con cobot.

SECO offre questi processori avanzati su computer-on-module (COM) a standard aperto, semplificando integrazione e produzione su larga scala e fornendo interfacce industriali a supporto delle applicazioni di robotica. Una volta realizzato un sistema carrier adatto, il supporto a lungo termine dei SOM e l’interoperabilità con i COM dello stesso standard riducono il vendor lock-in e minimizzano gli sforzi di riprogettazione se in seguito si dovessero reperire soluzioni alternative.

Accanto a queste piattaforme hardware, Clea di SECO offre uno strato di base sicuro, di grado industriale, per deployment edge-to-cloud scalabili. Clea OS offre un framework software modulare e altamente personalizzabile basato su Yocto Linux, che consente agli sviluppatori di sfruttare appieno l’elaborazione eterogenea e di omettere i componenti software non necessari, massimizzando il potenziale delle risorse edge.

Altri moduli Clea aiutano gli sviluppatori a costruire lo strato cloud per la gestione della flotta, l’orchestrazione dei dati e gli aggiornamenti OTA sicuri che sostengono le operazioni di lungo periodo della robotica industriale su scala di deployment. Inoltre, SECO App Hub e Clea Studio AI offrono modelli AI verificati e ambienti di addestramento per accelerare lo sviluppo dell’AI.

I progressi dell’edge AI stanno cambiando la robotica industriale, e SECO offre le soluzioni e la competenza per aiutare gli ingegneri a cogliere tutti i vantaggi dell’hardware edge nella costruzione di sistemi di physical AI. Per saperne di più, parla con i nostri esperti e resta sintonizzato sul prossimo appuntamento di questa serie, dedicato al panorama in evoluzione della physical AI e della robotica industriale.

SOM-SMARC-Dragonwing-IQ8

In evidenza in questo articolo

SOM-SMARC-Dragonwing-IQ8

Modulo SMARC® Rel. 2.2 con processori applicativi Qualcomm® Dragonwing™ IQ8.

  • SMARC®
  • Qualcomm® Dragonwing™ IQ8

Anche in questo articolo: SOM-COMe-CT6-Dragonwing-IQ-X, SOM-SMARC-QCS6490

Ricevi la newsletter di SECO.

Iscriviti con il tuo indirizzo email su seco.com.

Iscriviti