如何使用ROS2简化机器人的硬件加速随着低端工业协作机器人的出现，软件开发人员只专注于让它们在现有硬件上运行。然而，机器人的硬件和软件功能之间存在着至关重要的关系。需要保留对计算硬件的设计控制，以创建更专业、节能、安全和高性能的机器人。硬件挑战和软件技能如果机器人希望在未来交付更好、更快的机器人，就必须克服硬件障碍。在后摩尔计算世界中，升级硬件以整合最新一代微处理器将无法实现所需的应用程序性能升级。它的前进之路不再在于等待最新的芯片。硬件加速通常是获得必要收益的唯一途径。这种硬件挑战使机器人等学科的开发人员的工作变得复杂，他们的技能通常偏向于开发软件。这意味着如果他们要满足市场对新型工业机器人的需求，就必须面对设计自适应计算硬件的前景。使用机器人来提高生产线和仓库等领域生产力的企业正在寻找能够提供额外灵活性、更精细的位置控制、卓越的基于视觉的功能、改进的数据捕获和更低功耗的设备。机器人硬件加速的主要理由是，与传统的控制驱动方法不同，混合控制和数据驱动的软件开发方法允许团队设计自定义计算架构，为应用程序分配最佳数量的硬件资源。在实现上，需要异构计算模型。这利用了擅长控制流计算的CPU和GPU，同时利用FPGA来处理数据流计算。这种方法同时提供了对CPU/GPU的灵活性和完全控制，以实现具有低功耗、高性能、低延迟和硬件加速确定性的复杂计算。各种供应商现在提供自适应片上系统(SoC)和系统级模块(SOM)设备，例如AMD-XilinxKria?SOM及其相关的KriaRobotics堆栈，它们提供了这种混合计算模型的优势.此表比较了这些不同的模型。自适应片上系统(SoC)和模块上系统(SOM)允许机器人专家通过对创建正确数据路径和控制机制的架构进行编程来构建机器行为。然而，使用成熟的工具和技术对此类架构进行编程需要复杂的工程技能。缺乏适当的硬件和嵌入式设计专业知识的机器人技术被用来以计算图的形式构建行为来解决当前的机器人任务。他们经常使用C++通过高级软件工程实践创建复杂的实时确定性系统。基于机器人操作系统(ROS)构建需要一种不同的方法来帮助机器人专家利用可用的硬件加速技术。理想情况下，这种方法应该允许他们在熟悉的开发环境（如ROS）中创建自定义硬件，并使用熟悉的工具（如Gazebo）对其进行模拟。ROS是机器人应用开发事实上的行业标准，自2020年ROS2问世以来更是如此。这已成为各行业机器人应用的默认软件开发工具包(SDK)，许多团队现在都在使用ROS和Gazebo。之前将自适应计算集成到ROS中的举措已经从硬件工程师的角度解决了这一挑战。他们假定用户以前具有嵌入式和硬件流程的经验，因此熟悉RTL、HDL和HLS等概念以及用于操作它们的设计工具。同样，部署到嵌入式目标需要一些Yocto、OpenEmbedded和相关工具的知识。ROS2硬件加速工作组(HAWG)知道大多数机器人专家并非来自这一背景，因此采用以ROS为中心的方法将嵌入式流程直接集成到ROS生态系统中。它旨在提供类似于机器人专家在桌面工作站中构建ROS工作区时所享受的体验。HAWG的工作基于已发表的关于优化ROS计算图以利用自适应计算的研究，以及关于加速可编程逻辑中的部分图的工具和方法的建议。除此之外，HAWG现在正在提出一种架构（如下图所示），该架构专注于熟悉的语言，如C++和OpenCL。ROS2和HAWG堆栈共同促进硬件加速所提出的架构与平台无关，因此适用于边缘设施、工作站、数据中心或云计算平台，并且与技术无关，以允许针对FPGA、CPU和GPU并轻松移植到各种模块和主板。最终，这项工作应该使大多数机器人专家能够利用硬件加速机会来开发下一代先进和复杂的机器人。原标题：SimplifyinghardwareaccelerationforrobotswithROS2，作者：BenDickson
