Lĩnh vực robot và trí tuệ nhân tạo đang phát triển với tốc độ chưa từng có, được thúc đẩy bởi sự đổi mới và nhu cầu ngày càng tăng về tính tự chủ, hiệu quả và an toàn. Để hiểu rõ hơn về những thay đổi này, MassRobotics đã tiến hành một cuộc khảo sát toàn diện các chuyên gia trong hệ sinh thái robot và trí tuệ nhân tạo. Nghiên cứu thị trường này được phát triển và triển khai với sự hỗ trợ và hướng dẫn của Lattice Semiconductor, đơn vị mà báo cáo này được chuẩn bị ban đầu.

Báo cáo này tóm tắt những hiểu biết quan trọng từ 40 người tham gia khảo sát đến từ hệ sinh thái đổi mới sáng tạo, cung cấp cái nhìn tổng quan về các thực tiễn hiện tại, thách thức và kỳ vọng trong tương lai về tích hợp cảm biến , tích hợp trí tuệ nhân tạo , điều khiển động cơ, tiêu thụ điện năng , an toàn và bảo mật. Những người tham gia bao gồm nhiều chuyên gia đến từ các lĩnh vực khác nhau, từ kỹ sư và trưởng nhóm kỹ thuật đến quản lý sản phẩm và giám đốc điều hành, đại diện cho các công ty từ các công ty khởi nghiệp đến các tập đoàn đa quốc gia lớn, cũng như các tổ chức học thuật.

1. Kết hợp cảm biến để tăng cường khả năng phát hiện vật thể: con dao hai lưỡi

Phát hiện vật thể là nền tảng của khả năng tự hành robot, và khảo sát này nhấn mạnh sự phụ thuộc mạnh mẽ vào các tổ hợp cảm biến phức tạp. Hơn hai phần ba số người được hỏi (67,5%) sử dụng LiDAR kết hợp với camera (85% sử dụng camera nói chung), và 75,7% số người được hỏi cho rằng đây là sự kết hợp “hiệu quả nhất”. Các loại cảm biến khác thường được sử dụng bao gồm Time-of-Flight (50%) và IMU (62,5%).

Mặc dù các phương pháp đa cảm biến này tỏ ra hiệu quả, nhưng vẫn còn nhiều thách thức đáng kể. Chi phí và độ phức tạp trong tích hợp là những rào cản được các chuyên gia thường xuyên nêu ra nhất. Thêm vào đó, độ chính xác và nhu cầu hiệu chuẩn/bảo trì cũng thường xuyên được đề cập. Điều này cho thấy rõ ràng ngành công nghiệp cần những giải pháp đơn giản và tiết kiệm chi phí hơn để tích hợp nhiều phương thức cảm biến khác nhau.

2. Đà phát triển mạnh mẽ của Trí tuệ nhân tạo biên (Edge AI)

Một xu hướng đáng chú ý nổi bật từ cuộc khảo sát là việc ngày càng nhiều người ứng dụng trí tuệ nhân tạo (AI) ở cấp độ cảm biến hoặc “cạnh”. Hiện tại, một nửa số người được khảo sát (50%) đã triển khai AI ở cấp độ cảm biến. Trong số đó, 72,7% áp dụng một số dạng mô hình học máy, 54,5% sử dụng “AI cạnh” và 40,9% tích hợp “Mạng thần kinh”.

Nhìn về phía trước, nhiều người dự đoán sẽ có sự dịch chuyển mạnh mẽ hơn của trí tuệ nhân tạo ra các thiết bị biên trong vài năm tới. Động lực chính cho sự dịch chuyển trí tuệ phân tán này là mong muốn giảm độ trễ, nâng cao hiệu suất thời gian thực và giảm chi phí truyền tải dữ liệu. Sự dịch chuyển này báo hiệu nhu cầu ngày càng tăng đối với phần cứng AI tiết kiệm năng lượng có khả năng xử lý suy luận trực tiếp trên thiết bị.

3. Điều khiển động cơ: tầm quan trọng của phản hồi tức thời và hiệu quả

Điều khiển động cơ vẫn là một thành phần cốt lõi của hệ thống robot, với động cơ servo (55,3%), động cơ DC (44,7%) và động cơ bước (31,6%) là những loại được sử dụng phổ biến nhất. Khảo sát cho thấy phản hồi thời gian thực là “cực kỳ quan trọng” đối với 51,3% người được hỏi và “khá quan trọng” đối với 33,3% khác.

Những thách thức chính trong điều khiển động cơ bao gồm nhu cầu điều khiển thời gian thực (43,6%), hiệu suất năng lượng (41%) và độ chính xác (28,2%). Việc nhấn mạnh vào khả năng phản hồi tức thì và tiết kiệm năng lượng cho thấy ngành công nghiệp cần các vòng điều khiển tiên tiến và các giải pháp truyền động động cơ giúp giảm thiểu độ trễ và tối ưu hóa việc sử dụng năng lượng.

4. Mức tiêu thụ điện năng: Cuộc tìm kiếm không ngừng nghỉ để đạt hiệu quả tối ưu.

Đạt được sự cân bằng tối ưu giữa hiệu suất và hiệu quả năng lượng là một thách thức dai dẳng trong lĩnh vực robot. Một nửa số người được hỏi đánh giá mức độ hài lòng hiện tại của họ về mức tiêu thụ điện năng ở mức “3” trên thang điểm 1-5 (với 5 là hài lòng nhất), cho thấy mức độ hài lòng vừa phải. Chỉ có 10,5% bày tỏ sự hài lòng cao.

Đối với nhiều hệ thống, 44,4% người được hỏi đặt mục tiêu mức công suất từ ​​50-100 W, trong khi những người khác hướng đến mức thấp hơn nữa (<10 W hoặc 10-50 W). Nhu cầu về khả năng xử lý trên bo mạch hiệu quả hơn, giảm sự phụ thuộc vào GPU tiêu thụ nhiều điện năng và cải tiến công nghệ pin được nhắc đi nhắc lại như những tiến bộ quan trọng. Điều này cho thấy nhu cầu thị trường mạnh mẽ đối với các giải pháp cung cấp khả năng xử lý mạnh mẽ mà không ảnh hưởng đến hiệu quả năng lượng.

5. An toàn và bảo mật: tính cấp thiết ngày càng tăng với sự tích hợp trí tuệ nhân tạo

Khi các hệ thống robot ngày càng trở nên tự chủ và kết nối với nhau, các mối lo ngại về an toàn và bảo mật cũng ngày càng gia tăng. Phần lớn người được hỏi (64%) đã triển khai các cảm biến dự phòng và sử dụng các linh kiện đạt tiêu chuẩn an toàn. Tuy nhiên, việc tích hợp trí tuệ nhân tạo (AI) lại mang đến những phức tạp mới.

48,6% người được hỏi nhấn mạnh mối đe dọa an ninh mạng là thách thức bảo mật lớn nhất của họ, tiếp theo là bảo vệ dữ liệu (35,1%) và tính toàn vẹn hệ thống (35,1%). Mặc dù nhiều người được hỏi thừa nhận những lo ngại này, nhưng thường thiếu một kế hoạch cụ thể cho bảo mật tập trung vào AI, chỉ có một số ít đề cập đến việc cách ly phần cứng hoặc mã hóa. Khoảng trống này nhấn mạnh nhu cầu cấp thiết về các biện pháp bảo mật mạnh mẽ ở cấp độ phần cứng, chẳng hạn như khởi động an toàn, mã hóa và phát hiện can thiệp, đặc biệt khi ngày càng nhiều quy trình AI được chuyển sang xử lý tại biên.

Giải quyết các xu hướng chính

“ Chọn ngẫu nhiên vật thể từ thùng dựa trên quét 3D bằng ánh sáng cấu trúc ”, một báo cáo nghiên cứu của Lattice Semiconductor, phác thảo một phương pháp để giải quyết một số thách thức được nêu bật trong khảo sát của MassRobotics, đặc biệt là liên quan đến phát hiện vật thể, độ phức tạp của việc kết hợp cảm biến và nhu cầu về các giải pháp tiết kiệm chi phí hơn. Lattice cho rằng các giải pháp FPGA của họ có thể giảm chi phí danh mục vật liệu (BOM) của hệ thống. Họ đạt được kết luận này bằng cách thiết kế một hệ thống trong đó FPGA, được đặt trong mô-đun cảm biến, phân chia các tác vụ tính toán bằng cách giảm tải quá trình xử lý từ mô-đun tính toán chính. Điều này bao gồm việc FPGA tạo ra các chuỗi ánh sáng cấu trúc và đồng bộ hóa việc chụp ảnh bằng camera.

Một phát hiện quan trọng là FPGA có thể mã hóa các hình ảnh thu được thành hình ảnh mã hóa 10 bit nhỏ gọn, thay vì gửi các chuỗi thô, điều này làm giảm đáng kể băng thông cần thiết cho giao tiếp Ethernet (ví dụ: giảm dữ liệu 16 lần cho kịch bản 1080p từ 680 MB xuống 41 MB). Hơn nữa, Lattice đã xác định rằng FPGA có thể đảm nhận các tác vụ tính toán chuyên sâu như phép tam giác hóa để tạo ra hình ảnh chiều sâu và cũng có thể thực hiện các khía cạnh của việc phát hiện và phân đoạn đối tượng dựa trên học máy, do đó giảm yêu cầu xử lý đối với mô-đun tính toán chính (CPU/GPU).