SoM成为嵌入机器人感知系统的理想选择

要实现机器人的智能化，需要敏锐优秀的感知和精确的控制。在感知计算方面，特别是在视觉和深度学习方面，计算量往往很大，对设备性能的要求也很高。感知算法也在不断发展，这需要不断更新机器人处理系统。

就控制而言，FPGA可应用于分散控制的小节点或大节点FPGASoC。区别于MCU，通过FPGA控制系统最明显的优点是驱动反应时间会大大缩短，整个系统的运行速度会大大提高。MCU它是在一个节点上运行的，在不增加扩展的情况下，随着对复杂多轴操作的需求越来越高，操作将不可避免地有点弱。

FPGA机器人应用有明显的优势，很多厂商在这方面做了很多年，那么深入应用有哪些突破值得期待呢？

FPGA与运动驱控

目前，许多机器人本体制造商使用机器人控制器FPGA它已经使用多年了，有许多本体制造商，机器人控制器制造商现在正在尝试使用它。首先，很明显，目前FPGA就性能而言，它用于常规伺服驱动、控制领域、性能甚至过剩。机器人的运动性能不仅与伺服控制有关，还与运动算法和本体的机械结构密切相关。

就算法而言，目前大多是基于算法的CPU+Linux+ROS+EtherCAT该技术系统设计了算法模块CPU移植到FPGA中，FPGA另一方面，在机械设计没有重大革命性进步的情况下，机器人性能的天花板是存在的，这是不可避免的“过剩”。

常规的FPGA运动驱动已经有很多案例可循，将会FPGA用于实现SVPWM，三环反馈控制，甚至实现驱动控制一体化。我们选择安川作为世界工业机器人市场份额最高的制造商，安川机器人控制器Intel的FPGA作为ASIC替代方案。

IntelFPGA嵌入式提供各种可配置的SRAM，高速收发器，高速I/O，逻辑模块和路由。与微处理器BSS64LT1上运行的复杂函数计算相比，器上运行的复杂函数计算相比，配备了板载数字信号处理FPGA高速32位双精度浮点操作更容易实现操作所需的精度和速度。IntelFPGA包括在安川的控制中PCIExpress包括各种硬件IP，确保总线连接的可靠性，实现外围逻辑集成。

可以说然可以说是比较CPU+操作系统+ROS结构在局部性能优化中，深度应用在哪里可以突破？如果在各轴控制的基础上实时进行变化微调量，以补偿由各种状态误差引起的最终状态误差，提高机器人性能，这可能超过传统的控制架构FPGA实现深度应用的方向。

FPGA与机器视觉

作为FPGA在机器人应用中，视觉被许多制造商视为最热门的方向FPGA打开机器人市场的最佳切入点。在机器视觉设计中，不可避免地要与主流相匹配SoC接口设计主要以移动工业处理器接口为标准MIPICSI硬核的FPGA经常很受欢迎，比如国内，FPGA易灵思的厂家Trion系列。

执行图像处理算法和训练AI模型时，FPGA是与GPU并列主流方案，在功耗上有很大的优势。而且因为它SOC与其他功能模块高效协同的属性。AMDXilinx的KriaSoM瑞萨，易灵思ProMeSoM来看，目前FPGA厂家很喜欢SystemonModule这种形式进入机器人视觉系统。

SoM它可以提供嵌入式处理系统的各种核心组件，包括处理器内核、通信接口和内存模块。从视频处理到智能传感到机器视觉，该模块化解决方案允许SoM成为嵌入机器人感知系统的理想选择。SoM配合其他设备，不仅可以完成机器视觉系统的局部优化，还可以对整个机器人设计进行基于模块化设计的优化。不管是不是SoM切入形式，最大限度地发挥这个模块之间的高效协同作用FPGA视觉应用值得期待的突破方向。

小结

目前，在FPGA在深度应用方面，我国正处于从局部性能优化(伺服驱动、机器视觉)到系统架构优化的阶段。FPGA目前的性能对于机器人应用来说是过剩的，如何在应用中充分发挥作用？FPGA性能和协同性，这是“深入应用”的关键。