• 1
  • 2
  • 3
  • 4

首页 / 行业

DSP在机器人行业如何应对难关?

2021-11-11 08:00:00

既然聊过了机器人应用向的MCU和FPGA,那DSP也不能落下。面对来势汹汹的FPGA以及尚稳坐钓鱼台的MCU,DSP如何应对显得格外重要。为了不让FPGA厂商通吃机器视觉应用的大蛋糕,DSP必须正面正面应对FPGA在机器视觉上的挑战。在上一期中已经提到,FPGA厂商的策略是虽然我的处理效能上限不及你DSP,但是在拓展性上你也给我留了很大的操作空间。FPGA厂商试图在机器视觉应用上通过设计弹性淹没DSP。至于和MCU的较量就没有那么激烈,毕竟在不那么智能化的工业机器人里MCU肯定是最先考虑的选择,DSP和MCU在控制上争夺虽然有但还没有那么激烈,可能日后当工业机器人发展到足够智能时二者才会拉开架势正面对决。面对机器视觉应用,DSP厂商为了在拓展性上夺回主动权,就有了DSP配合各种通讯这一战略,通过这种方法完善通讯较少的环境,提高机器设计灵活性。同时在机器人控制乃至工业控制领域,大量的生态、软硬件支撑都是单DSP或者多核DSP的强势点,DSP厂商定然会加以利用。

DSP视觉应用弹性设计

DSP在性能及成本考量上在机器视觉的主、次系统中都较为适宜,不论是单颗DSP,抑或是内嵌多核心DSP及中央处理器(CPU)的SoC方案。因为相比于Cortex-M4架构内建浮点运算单元只能实现低阶影像讯号处理,以及x86架构下工控平台的大功耗高成本,DSP在视觉应用上的都是性能和成本的最佳选择。需要补强的地方则是如何覆盖复杂的通讯协议这一被FPGA厂商利用的短板。从各厂商的应对办法来看,TI通过DSP整合PRU来完善可编程环境,补足处理器未能提供的通讯输入/输出接脚这一办法效果很明显。PRU是一种集成在器件中的低延迟微控制器子系统。PRU内核在确定性实时处理方面经过优化,能够直接访问I/O并满足超低延迟要求。PRU的高弹性能让终端产品中整合更多的通讯介面,更重要的是提高设计弹性,让DSP在通讯介面的支援上媲美FPGA方案。(PRU Cape,TI)从面对高阶机器视觉应用的KeyStone系列可以看出DSP在机器视觉应用上的强大。KeyStone架构有多达八个TMS320C66x高性能DSP。66AK2H14 SoC 有8个TMS320C66x DSP内核子系统,原始计算性能高达 38.4GMACS 和 19.2Gflops,同时兼具安全性、数据包处理和以太网交换功能,而且功耗低于多芯片解决方案。(KeyStone架构平台66AK2H14,TI)在讯号分析和处理效能上,DSP的能力是不需质疑的。制约它的就是能否在视觉应用上尽可能多的支援各种工业用通讯,如EtherCAT、EtherNet/IP、CC-LinkIE等等。当然DSP厂商还应当注意在支援尽可能多的通讯时,避免DSP尺寸过大功耗过高,当然还有控制成本。在性能和通讯支援上面面俱到但是成本过高,机器人厂商依然是很难买账的。

DSP智能运动控制

上面说到目前DSP和MCU在运动控制上还没有拉开架势大干一场。毕竟现在MCU控制下机器人已经能胜任绝大多数任务。机器人的高效能智能运动虽然可以肯定是发展方向,但智能化说了这么多年,在应用上大规模铺开仍然还要很多个这么多年。DSP跨足MCU的电机控制市场一般都选择元件相容性较高的ARM架构,这样会更容易让机器人控制开发商接受。ARM的生态系统完整性其中的主要因素。其实用MCU结合DSP说不定也是以后的选择之一。其中一例就是CM4xx混合信号控制处理器,ADI公司的ADSP-CM4xx混合信号控制处理器通过采用ARM-Cortex M4处理器内核,集成高精度ADC切入高性能实时电机控制的工业机器人运动场景。(CM4xx,ADI)ADSP-CM4xx混合信号控制处理器集成了双通道精密16位ADC和一个Cortex-M4处理器内核,浮点单元工作频率最高达150 MHz,集成最高128kB SRAM存储器、最高256kB闪存。双通道16位SAR ADC转换速率达380ns,对电机控制来说这样的速率可以做到极高精度的闭环运控。如果再内置高级PWM,那么对于电机驱动的性能又会有一个大提升。这种DSP处理核心和ADC支持下的控制效率,如果不是足够智能的应用场景,对于很多成本敏感的应用来说还是太高端了。当然DSP本就不打算在中低端场景去抢MCU的份额,它瞄准的就是高端运控场景。

写在最后

机器人市场的火热让三大厂商纷纷入局,MCU,FPGA和DSP厂商在运控,视觉甚至是人机交互应用上都针锋相对,谁也不愿意放弃这个蓝海市场的份额。在任何一个细分的领域我们都无法判断谁将夺得主导权,这种动态的竞争会一直持续下去,谁都想分个高低但谁也无法定个高下。无论如何,在机器人行业,MCU,FPGA和DSP都有发挥他们特有的优势竞争下去,融合下去,一直如此。

行业机器视觉落下如何应对

  • 1
  • 2
  • 3
  • 4

最新内容

手机

相关内容

  • 1
  • 2
  • 3

猜你喜欢