Teknologi Kunci yang Menggerakkan Sistem Robotik Generasi Depan

Seiring transisi sistem robotik dari laboratorium riset ke penerapan komersial di manufaktur, logistik, dan layanan, penting untuk mengidentifikasi hambatan yang masih membatasi adopsi luas.

Meskipun perangkat keras dan perangkat lunak telah mengalami peningkatan signifikan, evolusi desain yang cepat terus mendorong robot menuju utilitas dan kecerdasan yang lebih besar di berbagai domain seperti pertanian, gudang, pengiriman mil terdekat, inspeksi, dan manufaktur pintar.

Dalam praktiknya, robot menyerap data dari sensor dan kamera, melokalkan dirinya sendiri, memaparkan lingkungan sekitarnya, memprediksi gerakan objek di sekitarnya, dan merencanakan gerakan yang aman dan terkoordinasi—semua itu membutuhkan daya pemrosesan dan energi yang besar.

Konsumsi daya pada platform robotik terbagi menjadi tiga kategori utama: motor penggerak dan pengontrol, sistem sensasi, dan unit pemrosesan. Generasi baru sensor hemat daya dan akurasi tinggi diperlukan untuk menentukan orientasi dan posisi robot secara efisien, sementara platform pemrosesan harus menyeimbangkan performa dengan penggunaan energi, terutama karena robot biasanya bergerak dengan kecepatan sedang.

Pada titik kritis ini, system-on-chip (SoC) muncul sebagai komponen kunci yang mengintegrasikan berbagai modul sensasi dan mesin buatan cerdas (AI) yang canggih, memungkinkan gelombang berikutnya dari robot komersial.

Operasi robotik sering memerlukan eksekusi real-time bersamaan dari sepuluh algoritma—termasuk odometri, perencanaan jalur, visi, dan persepsi. Kompleksitas ini menuntut SoC yang dapat menyediakan integrasi tak tertandingi, mendukung fungsi spesial seperti sparse coding, perencanaan jalur, dan lokalisasi serta pemetaan simultan (SLAM).

Chip SDA/SDM845 Qualcomm (Gambar 1) merupakan contoh lompatan integrasi ini. CPU Kryo delapan intinya berjalan pada 2,8 GHz, didukung oleh Hexagon 685 DSP untuk pemrosesan AI di perangkat dan tumpukan visi komputer yang dioptimalkan untuk seluler untuk persepsi, navigasi, dan manipulasi. Prosesor sinyal gambar (ISP) dual 14-bit Spectra 280 menangani kamera hingga 32 megapiksel dan video 4K pada 60 fps.

Gambar 1: Blok bangunan arsitektur chip Qualcomm SDM845 untuk desain robotik (Gambar: Qualcomm)

Platform ini juga mengintegrasikan unit pemrosesan aman (SPU) yang menyediakan secure boot, akselerasi kriptografi, dan lingkungan eksekusi terpercaya (TEE). Konektivitas dicakupi oleh Wi-Fi, dengan rencana untuk menambahkan 5G untuk komunikasi dengan latensi rendah dan throughput tinggi di lingkungan industri.

Platform Robotika RB3 Qualcomm dibangun berdasarkan SDA/SDM845, dipasangkan dengan papan pengembangan dan kit DragonBoard 845c untuk prototipan cepat.

Modul Jetson Xavier Nvidia (Gambar 2) menunjukkan solusi terintegrasi lainnya, yang menargetkan robot pengiriman dan logistik. Modul ini mengandung 9 miliar transistor dan menghasilkan lebih dari 30 trilion operasi per detik (TOPS), dengan fitur CPU ARM64 delapan inti, GPU Volta Tensor-Core, dua akselerator pembelajaran mendalam NVIDIA (NVDLA), prosesor gambar, prosesor visi, dan prosesor video.

Gambar 2: Modul Jetson Xavier berukuran 80 × 87 mm menyediakan komputasi tingkat workstation dalam sebagian kecil ukuran (Gambar: Nvidia)

Contoh-contoh ini menunjukkan bahwa akselerator AI tidak dapat dipisahkan dari SoC dan modul, memungkinkan robot untuk menggabungkan data sensor, melokalkan, memetakan, dan menavigasi dengan presisi.

AI memainkan peran penting dalam meningkatkan responsivitas dan akurasi robot, terutama dalam deteksi dan pengenalan objek. Dengan melampaui pemrograman yang kaku, AI memungkinkan robot untuk berinteraksi lebih alami dan presisi dengan lingkungannya.

Namun, perancang harus menyematkan kemampuan AI tambahan tanpa meningkatkan ukuran komponen atau daya tarik. Selain itu, bentuk yang besar dapat menghambat adopsi komersial.

Gambar 3: Modul AI harus menyeimbangkan performa, ukuran, dan daya untuk memenuhi permintaan pasar.

Hambatan lain adalah memastikan dukungan kerangka kerja AI yang luas, karena robot industri dan layanan semakin bergantung pada model inferensi untuk orientasi dan penempatan.

Robot seperti pemotong vacum otonom dan hoverboard memerlukan sensor yang sangat stabil dan berkinerja tinggi yang dapat menahan getaran intens. Pencapaian pemrosesan sensor presisi tinggi sering kali meningkatkan biaya dan waktu pengembangan saat menggunakan kontrol berbasis perangkat lunak.

Akibatnya, solusi sensasi terintegrasi sangat penting. Untuk platform RB3, InvenSense (sekarang milik TDK) menyediakan serangkaian sensor hemat daya dan mikrofon yang cocok erat dengan titik beban akustik tinggi.

RB3 menggunakan IMU enam sumbu InvenSense—tiga giroskop dan accelerometer—bersamaan dengan sensor tekanan barometrik kapasitif dan mikrofon digital multi-mode. IMU ini memberikan penempatan berbasis jam real-time, sementara sensor tekanan mencapai akurasi elevasi 10 cm.

Robot semakin mengadopsi sistem sensor dan kamera cerdas yang dilengkapi navigasi berbasis SLAM, memungkinkan mereka untuk beroperasi dengan andal di lingkungan nyata yang kompleks. Kemampuan machine learning sedang disematkan ke dalam kamera visi 3D untuk meningkatkan persepsi lebih lanjut.

Perancang tetap harus memprioritaskan kepadatan dan daya rendah, memastikan sensor resolusi tinggi terintegrasi dengan lancar dengan pengontrol router melalui bus digital standar.

Seperti AI, sensor cerdas dan kamera masih dalam tahap awal, tetapi industri mengantisipasi kematangan signifikan pada 2020, menawarkan biaya lebih rendah dan akurasi lebih tinggi.

Seiring kematangan sensor dan AI, robot akan bertransisi dari unit otonom mandiri di gudang dan pabrik menjadi mitra kolaboratif di lanskap konsumen dan industri.