作者：VíctorMayoral-Vilches跟GiulioCorradi，赛灵思公司
连载两：工业类比CPU／GPU，ASIC跟FPGA，谁更得当机器人计较
CPU跟通用GPU是两种普遍利用的贸易计较平台，由于它们可用性高且存在通用性。这些计算技术的通用性，是机器人专家对其特殊感兴趣的缘故原由。可是通用性的价值是：
1.通用平台的流动架构难以顺应新的机器人场景。追加功用常常须要追加硬件，那也常常意味着要花工夫对新的硬件停止新的体系集成度。
生产菜鸟分拣机器人2.通用性一定招致其正在时效上的缺陷，从而影响确定性造成。
视觉分拣机器人的英文3.其功耗平常比公用计较架构高一到两个数量级。
4.其流动的、没有具有灵活应变才能的架构，招致其对网络安全威逼跟歹意行动的抵抗才能削弱。熔毁或许鬼魂等网络攻击示例评释，若是缺乏重新配置数据流流水线的才能，计较平台终极将损失安全性。
总体而言，CPU、GPU跟ASIC等采取流动架构的器件，正在其为开发者供给劣势的同时，也让其支付了价值。它们所缺乏的灵活应变才能，招致其缺乏时效性，能耗增长。并且因为它们没法经由过程重新配置架构去进步硬件的抗危险才能，是以正在收集威逼眼前加倍懦弱。
CPU的工业类比
图1是CPU的工业类比，它将CPU明白成一系列车间，而且每一个车间支配一名妙技十分纯熟的工人。
图1：CPU的工业类比
这些工人每人皆能利用通用对象出产出简直任何产物。每位工人按次序利用分歧的对象，将原材料制造为废品，一次出产一件产物。依据使命的性子，这类串行生产流程能够用到大批步调。这些车间根本相互自力，工人能全身心天实现分歧使命，没必要忧郁滋扰或调和问题。只管CPU非常灵巧，但它的底层硬件是流动的。CPU依然正在根本的冯诺依曼架构上运转。数据从存储器读取到处理器停止运算，然后写返回存储器。基本上每一个CPU皆以串行方法运转，一次一个指令。同时架构以算术逻辑单位为中间，每次运算皆须要将数据输入到ALU并从ALU输出数据。
自动物料分拣机器人系统CPU的工业类比
GPU也可以用车间跟工人类比，但它们的数目要大得多，而且工人的专业化水平也要下良多，如图2所示。
图2：GPU的工业类比
GPU工人只能利用特定的对象，每人能实现的使命品种要少得多，但他们实现使命的服从十分下。GPU工人正在反复做不异的少许使命时服从最高，特别是当他们全部同时做同一件工作时。GPU办理了CPU的次要缺陷之一，即并行处理大批数据的才能。
分拣机器人是哪里制造的虽然GPU比CPU拥有十分多的核，但GPU采取的仍然是流动的硬件架构。GPU的核依然包括某种类型的冯诺依曼处理器。一条指令便能处置惩罚上千条或许更多数目的数据，只管平常必需对同时处置惩罚的每一条数据停止不异的运算。原子处置惩罚元正在数据矢量上运算，但依然是每一个ALU履行一条流动的指令。是以，用户依然须要经由过程流动的数据门路，从存储器将数据传送给这些处理单元。与CPU类似，GPU也采取流动硬件构建，对一切的机器人使用而言，其根本架构跟数据流皆是流动稳定的。
FPGA的工业类比
如果说CPU跟GPU是工人依照次序依次将输入加工成输出的车间，那么FPGA就是灵巧的自顺应工场，可能针对手中的具体任务定制创设装配线跟传送带。
图4：FPGA的工业类比
这类灵活应变才能，意味着FPGA架构师可以先构建工场、装配线跟工位，然后依据所需实现的使命对它们停止量身定制，而不是利用通用对象。这些工场中的原材料由分派正在装配线上的工人小组慢慢加工成废品。每名工人皆反复天实现一样的使命，同时半成品经由过程传送带正在工人间停止传送。如许能大幅晋升生产力，并保障以最好方法充分利用资源跟电力。正在这个类比中，工场是OpenCL加速内核，装配线是数据流流水线，工位是OpenCL计较功用。
ASIC的工业类比
仓库智能分拣机器人小黄人与FPGA近似，ASIC也制作工场，可是ASIC中的工场是终极形态，不克不及窜改。换言之，这些ASIC外部只有机器人，工场内没有存在人类认知。这些装配线跟传送带是流动的，没有容许变换自动化流程。ASIC的这类专用型流动架构付与它们极高的能效，和大批量规模化出产下的最低价钱。但遗憾的是，ASIC的开辟平常须要耗时多年，并且没有撑持停止任何变换，那将会招致后期投入的资产很快跟不上将来生产力晋升的变更。
图4：ASIC的工业类比
顺丰分拣机器人数控切割分拣机器人北京分拣机器人价格多少
相关文章
排行榜
最新看点
编辑推荐
