ADI：機器人開發者需要感知、控制與運算一體化

眾多機器人團隊最終都會面臨同一個困惑：明明晶片性能表現卓越、基準測試結果亮眼、技術展示也穩定流暢，為什麼從實驗室原型到真正可部署的機器人產品，中間仍然需長達18個月的時間？問題的關鍵往往不在處理器本身，而在其外的一切。

如今自主機器人開發者面臨的真正問題，並非哪款運算模組能提供最高的峰值吞吐能力，而是如何更快速地將一堆具有潛力的晶片，變成一台能工作、能驗證、能量產的機器人。

圖一 : 機器人開發者需要感知、控制與運算一體化

自主機器人架構正在發生變化。過去，系統運行在分散式微控制器上，每個微控制器只負責一小部分感知、運動或通訊任務；而現在，這些系統正向更集中的AI賦能機器人運算架構收斂。

AMD Kria AI機器人開發平台正是此種轉變的體現。其為自主機器人開發提供了一個開箱即用、開放且完全整合的平台，從工廠機器人覆蓋到AMR（自主移動機器人）至移動機械手臂和人形機器人的完整機器人譜系。Kria AI機器人開發平台能夠加速開發者從概念到設計與原型的進程，算力則由Kria AI SOM提供，該系統級模組在單一元件中整合了CPU、iGPU、NPU和統一記憶體資源。FPGA及ADI感知連接技術架構與之配合，構成完整解決方案。

該平台憑藉基於AMD ROCm軟體打造的AMD機器人軟體套件，提供一套開源運作時技術架構，包括開發者熟悉的Linux、ROS 2、PyTorch、TensorFlow、Docker及硬體加速感知庫。

這種熟悉度十分重要。對許多機器人專案而言，x86 Linux非但不是妥協，反而是理想的開發環境，其使團隊不需耗費時間學習專有SDK，自然可加快研發速度。

即使具備強大的運算平台，整合工作仍會耗費大量時間，而這些工作並不能提升自主能力。此類挑戰已為業界所熟知，但每一次新的硬體設計都需要重新面對並逐一解決。在各類專案中，最為常見的有以下五大挑戰：

多攝影機佈線複雜性

依賴視覺感知的機器人通常需要四路、六路甚至更多的攝影機輸入。管理如此多感測器的線纜，同時還要保持訊號完整性、時間對齊、為每個攝影機供電，再把所有訊號送回中央運算節點——這一切本身就是一道機械與電氣設計難題。

真實環境下的定位問題

在攝影機和LiDAR(光達)性能下降的場景中，例如在光線昏暗的倉庫、反光地板、缺乏特徵的走廊等，慣性感測不可或缺。整合高穩定性IMU，並確保其時間戳記準確、支援ROS 2驅動，絕非簡單的採購選型決策，更是一項涉及校準和軟體整合的系統工程。

深度處理開銷

深度感測器產生的稠密3D資料必須即時地進行濾波、對齊，並與其他感測器流融合。若沒有硬體加速流水線，這些工作會直接與導航和路徑規劃爭奪主機CPU的運算資源。

安全關鍵系統的運動控制

精準的驅動執行，遠不只是透過匯流排發幾條速度指令如此簡單。馬達控制介面、隔離式現場匯流排連接、編碼器回饋和電流感測——這些都必須作為一個完整系統加以整合和驗證，並要經受真實部署環境中的振動和溫度變化考驗。

ROS 2啟動時間

在任何機器人專案中，最被低估的成本是透過ROS 2開放硬體子系統介面所需的時間。每個感測器和執行器都需要驅動程式、硬體綁定、ROS 2節點、經過測試的消息類型以及經過驗證的時序，採用通用開發板搭建系統的團隊都須自己寫。

結果就是：團隊耗費大量寶貴時間，逐次每個子系統地選擇合適元件、建構載板硬體、移植Linux驅動、驗證感測器時序、連接攝影機，並將介面開放給ROS 2。

AMD正另闢蹊徑支援自主機器人開發：將其全新的Kria AI機器人開發平台與ADI的解決方案相結合。傳統方案往往聚焦於單一層面的優化，而將其餘難題留給開發人員。AMD與ADI的合作則著眼於機器人真正所需：一個經過驗證的系統級基礎方案，就像一套神經系統般運作，而不僅是一個大腦。

Kria AI SOM搭配一款由ADI賦能的開放式機器人載板設計。該載板整合了一個FPGA，並擁有各種常見機器人介面，包括採用GMSL?(來自汽車領域的成熟解決方案)技術的高速攝影機連接、慣性感測、CAN-FD、RS-485、Gigabit和Multi-Gigabit乙太網路、支援低延遲音訊廣播的汽車音訊匯流排(A2B)、電池管理介面以及馬達控制擴展介面。

標準化的COM-HPC風格架構，表示開發人員不必綁定在特定的一次性載板設計上。當運算需求發生變化時，團隊可遷移SOM，而平台的其餘部分則可繼續沿用。

隨著自主機器人逐漸成熟並投入實際部署，安全性和可靠性不再是可有可無的選項。機器人必須能夠因應視覺受限的環境，而這正是ADI的ADIS16607 IMU大顯身手的地方。ADI在先進感測器融合方面的研究顯示，將視覺與IMU進行多模態融合時，系統在主流資料集上的穩健性顯著提升，展現出良好前景。

運算，遠不止看TOPS指標本身。機器人的工作負載是多樣化的：既包括因應感知模型的低精度Transformer推理，又要兼顧高精度的經典演算法、數值優化、校準和開發工作流程。AMD Kria AI SOM中的x86 GPU與NPU整合架構，正是為同時處理這兩類任務而設計的。

ADI則為該平台貢獻了機器人的實體介面能力，包括高穩定性慣性感測、確定性深度處理、長距離攝影機鏈路（基於單根同軸電纜的多路視訊訊號整合方案）、因應馬達控制的隔離工業通訊，以及適用於48 V機器人電源的電池管理參考設計。

該平台傳遞出的最重要資訊非常簡單明確：客戶無需從一套空白的Linux環境開始建構。

AMD Kria AI機器人開發平台提供一個經過預驗證的硬體和軟體基礎，並已整合ADI驅動程式。介面特性已經過標定，ROS 2環境已準備就緒，從開發套件到量產SOM，再到可部署機器人系統的完整路徑都有檔案可循。開發者可以從第一天就開始建構自主機器人，而不是把前幾周時間花在載板Bring-up上。

對於許多專案而言，這個先發優勢可以「月」來衡量。

如今，部署在倉庫、工廠和物流場景的機器人，其發展瓶頸並不在於運算性能。真正的制約因素，是圍繞算力搭建完整系統所耗費的時間與成本。誠然，AI算力依然有提升空間，但底層架構長期處於東拼西湊的狀態。