تراشه‌های فوق العاده کم قدرت کمک می‌کنند روبات‌های کوچک را تواناتر سازیم
 
توضیح تصویر: یک ماشین رباتیک که توسط یک تراشه ترکیبی بسیار قدرتمند کنترل می شود، در عرصه نمایش داده می شود تا توانایی خود را برای یادگیری و همکاری با یک ربات دیگر نشان دهد.
اعتبار: آلیسون کارتر، جورجیا تی  
 

گزارش کامل

یک تراشه هیبریدی دارای توان فوق العاده کم با الهام از ساختار مغز می تواند کمک کند و به روبات های دارای اندازه کف دست توانایی همکاری و یاد گیری از تجربیاتشان را بدهد. در ترکیب با نسل های جدید موتورها و حسگرهای کم توان، مدار یکپارچه‌ی دارای کاربرد خاص (ASIC) جدید - که در توان های میلی وات کار می کند - می تواند کمک کند که ربات های گروهی هوشمند برای ساعت ها به جای دقیقه ها کار کنند.
 
برای صرفه جویی در قدرت، تراشه ها از یک پردازنده ی زمانبندی دامنه دیجیتال - آنالوگ استفاده می کنند که در آن پهنای پالس سیگنال ها اطلاعات را رمزگذاری می کند. IC شبکه عصبی هر دو برنامه ریزی مبتنی بر مدل و یادگیری تقویت مبتنی بر همکاری را همساز می کند و به طور بالقوه توانایی های ربات های کوچک را برای شناسایی، جستجو و نجات و سایر ماموریت ها افزایش می دهد.
 
محققان موسسه فناوری جورجیا ماشین های رباتیک را که توسط ASIC های منحصر به فرد در کنفرانس مدارهای حالت جامد بین المللی هدایت شده اند، به نمایش گذاشتند. این تحقیق توسط سازمان آژانس پیشرفته تحقیقات دفاع (DARPA) و شرکت تحقیقاتی نیمه هادی (SRC) از طریق مرکز محاسبات هوشمند اتخاذ شده بر اساس مغز (CBRIC) حمایت شد. ما در حال تلاش برای آوردن هوش به این روبات های کوچک هستیم تا آنها بتوانند در مورد محیط خود یاد بگیرند و بدون نیاز به زیرساخت حرکت کنند.
 
آریجیت Raychowdhury، دانشیار دانشکده مهندسی برق و کامپیوتر جورجیا گفت: "ما در حال تلاش برای آوردن هوش به این روبات های کوچک هستیم تا آنها بتوانند در مورد محیط خود یاد بگیرند و بدون نیاز به زیرساخت حرکت کنند." "برای رسیدن به این هدف، ما می خواهیم مفاهیم مدار کم قدرت را به این دستگاه های بسیار کوچک بسپاریم تا بتوانند خودشان تصمیم بگیرند. تقاضای زیادی برای روبات های بسیار کوچک اما توانایی وجود دارد که نیازی به زیرساخت ندارند."
 
اتومبیل هایی که توسط Raychowdhury و دانشجویان فارغ التحصیل Ningyuan Cao، Muya Chang و Anupam Golder نشان داده شدند از میان عرصه ای که بر آن کف پوش های لاستیکی قرار دارند و با دیوارهای بلوک مقوایی محاصره می شوند، حرکت می کنند. همان طور که آنها برای هدف جستجو می کنند، روبات ها باید مخروط های ترافیکی و همدیگر را از یاد ببرند، از محیط یاد بگیرند و با هم ارتباط برقرار کنند.
 
این خودروها از سنسورهای اینرسی و آلتراسونیک استفاده می کنند تا موقعیت خود را تعیین کرده و اشیاء اطراف خود را شناسایی کنند. اطلاعات از سنسورها به Hybrid ASIC می آید که به عنوان "مغز" وسایل نقلیه عمل می کند. دستورالعمل ها سپس به کنترل کننده Raspberry Pi می رود، که دستورالعمل ها را برای موتورهای الکتریکی ارسال می کند.
 
در ربات های با اندازه کف دست، سه سیستم عمده، توان مصرف می کنند: موتورها و کنترل کننده هایی که برای راندن و چرخاندن چرخ ها به کار می روند، پردازشگر، و سیستم حسگر. در ماشین های ساخته شده توسط تیم Raychowdhury، ASIC کم توان به این معنی است که موتورها بخش عمده ای از قدرت را مصرف می کنند. او گفت: "ما توانستیم قدرت محاسبه شده را به سطحی چنان پایین نزدیک کنیم که بودجه، حداکثر، نیازهای موتورها را تأمین کند." تقاضای زیادی برای روبات های بسیار کوچک اما توانایی وجود دارد که نیازی به زیرساخت ندارند.
 
این تیم در حال کار با همکاران روی موتورهایی است که از تکنولوژی میکرو الکترومکانیکی (MEMS) استفاده می کنند که قادر به کار با قدرت بسیار کمتری نسبت به موتورهای مرسوم است.
 
Raychowdhury گفت: "ما می خواهیم یک سیستم ایجاد کنیم که در آن توان حسگری، توان ارتباطات و رایانه و توان به کار اندازی در حدود یک سطح، و از مرتبه صدها میلی وات باشد." Raychowdhury، دانشیار نیمه هادی ON در دانشکده مهندسی برق و کامپیوتر است. "اگر ما بتوانیم این ربات های به اندازه‌ی کف دستی را با موتورها و کنترل کننده های کارآمد بسازیم، قادر به فراهم ساختن چندین ساعت کار مداوم آنها با یک جفت باتری AA خواهیم بود. ما اکنون ایده‌ی خوبی داریم که چه نوع سیستم عامل های محاسباتی برای ارائه آن نیاز داریم، اما هنوز برای به دست آوردن آن به مؤلفه‌های دیگر نیاز داریم."
 
در محاسبه دامنه زمانی، اطلاعات روی دو ولتاژ مختلف، کدگذاری شده در عرض پالس ها، حمل می شود. این به مدارها مزایای کارایی انرژی مدارهای آنالوگ را با قوی هیکلی دستگاه های دیجیتالی می‌دهد.
 
Raychowdhury گفت: "اندازه تراشه به نصف کاهش می یابد و مصرف انرژی یک سوم چیپ های دیجیتال سنتی است." "ما از تکنیک های مختلف در طراحی منطق و حافظه برای کاهش مصرف انرژی به محدوده میلی وات، در حالی که همچنان عملکرد هدف را حفظ کنیم، استفاده کردیم."
 
با هر عرض پالس نشان دهنده یک مقدار متفاوت، سیستم کندتر از دستگاه های دیجیتال یا آنالوگ است، اما Raychowdhury می گوید سرعت برای ربات های کوچک کافی است. (یک میلی وات یک هزارم وات است).
 
وی گفت: "برای این سیستم های کنترل، ما مدارهایی را که در چند گیگا هرتز کار می کنند، نمی خواهیم زیرا این دستگاه ها آن را به سرعت حرکت نمی‌دهند." "ما عملکرد کمی را برای به دست آوردن توانایی های شدید انرژی قربانی می کنیم. حتی اگر محاسبات در 10 یا 100 مگا هرتز عمل کند، برای برنامه های هدف ما کافی خواهد بود."
 
تراشه های CMOS 65 نانومتری هر دو نوع یادگیری را برای یک روبات مناسب می کنند. سیستم را می توان برنامه ریزی کرد تا الگوریتم های مبتنی بر مدل را برنامه ریزی کند و می تواند از محیط خود با استفاده از یک سیستم تقویت کننده ای که عملکرد بهتر و بهتری را در طول زمان تشویق می کند یاد بگیرد - بسیار شبیه به یک کودک است که قدم زدن را در برخورد با دست اندازها می آموزد.
 
بر گرفته از سایت ساینس دیلی
مترجم: علی رضایی میر قائد
نسخه چاپی