作者：VíctorMayoral-Vilches和GiulioCorradi，赛灵思公司
连载两：工业类比CPU／GPU，ASIC和FPGA，谁更适合机器人较量争论
CPU和通用GPU是两种普遍利用的贸易较量争论平台，由于它们可用性高且具有通用性。这一些较量争论技术的通用性，是机器人专家对其特殊感兴趣的缘故。可是通用性的价值是：
1.通用平台的固定架构难以顺应新的机器人场景。追加功用常常需求追加硬件，这也常常意味着要花时候对新的硬件举行新的体系集成度。
2.通用性幸免招致其正在时效上的缺点，进而危害确定性构成。
3.其功耗平常比专用盘算架构高一到两个数量级。
4.其固定的、不具备矫捷应变才能的架构，招致其对网络安全要挟和歹意举动的抵抗才能削弱。熔毁大概鬼魂等网络攻击示例表白，若是欠缺重新配置数据流流水线的才能，较量争论平台最终将损失安全性。
整体来讲，CPU、GPU和ASIC等接纳固定架构的器件，正在其为开发者给予上风的与此同时，还让其付出了价值。它们所缺少的机动应变才能，致使其缺少时效性，能耗提升。并且因为它们没法经由过程重新配置架构来进步硬件的抗风险才能，因此正在网络要挟眼前愈加懦弱。
CPU的工业类比
图1是CPU的工业类比，它将CPU了解成一系列车间，而且每一个车间支配一名妙技特别很是纯熟的工人。
图1：CPU的工业类比
这一些工人每人皆能运用通用东西出产出几近任何产物。每一位工人按次第运用不一样的东西，将原材料制作为制品，一次出产一件产物。依据使命的性质，这类串行出产流程也许用到大批步调。这一些车间根本相互自力，工人能满身心肠完成不一样使命，不用担忧滋扰或调和题目。虽然CPU非常灵动，但它的底层硬件是固定的。CPU仍然在根本的冯诺依曼架构上运转。数据由存储器读取到处理器开展运算，然后写回到存储器。根本上每一个CPU皆以串行体式格局运转，一次一个指令。与此同时架构以算术逻辑单位为中间，每一次运算皆需要将数据输入到ALU并由ALU输出数据。
CPU的工业类比
GPU还可以用车间和工人类比，但它们的数目要大得多，而且工人的专业化水平还要高良多，如图2所示。
图2：GPU的工业类比
快递分拣机器人创新设计GPU工人只会利用特定的东西，每人能完成的义务品种要少很多，但他们完成义务的服从十分高。GPU工人在反复干雷同的少许义务时服从最高，尤其是当他们部分与此同时干统一件事情时。GPU处置了CPU的重要缺点之一，即并行处置大批数据的才能。
虽然GPU比CPU具有极度多的核，但GPU接纳的依然是固定的硬件架构。GPU的核仍旧包罗某种范例的冯诺依曼处置惩罚器。一条指令就可以处置惩罚上千条或更多数目的数据，只管一般必需对取此同时处置惩罚的每一条数据举行雷同的运算。原子处置惩罚元正在数据矢量上运算，但仍旧是每一个ALU施行一条固定的指令。因而，用户仍旧需求经过固定的数据途径，由存储器将数据传递给这一些处置惩罚单位。取CPU类似，GPU还接纳固定硬件构建，对所有的机器人使用来讲，其根基架构和数据流全是固定稳定的。
英国asda分拣机器人价格中国分拣机器人的痛点视觉分拣机器人应用FPGA的工业类比
分拣机器人市场调研如果说CPU和GPU是工人根据挨次顺次将输入加工成输出的车间，那末FPGA便是灵动的自适应工场，可以针对手中的具体任务定制创设装配线和传送带。
图4：FPGA的工业类比
这类灵敏应变能力，意味着FPGA架构师能够先构建工场、装配线和工位，然后依据所需完成的义务对它们举行量身定制，而这不是运用通用东西。这一些工场中的原材料由分派正在装配线上的工人小组逐渐加工成制品。每名工人皆反复地完成一样的义务，与此同时半制品依据传送带正在工人世举行通报。如许能大幅提拔生产力，并包管以最好体式格局充分利用资源和电力。正在这个类比中，工场是OpenCL加快内核，装配线是数据流流水线，工位是OpenCL较量争论功效。
ASIC的工业类比
取FPGA相似，ASIC还制作工场，然则ASIC中的工场是终极形态，不可以修改。换言之，这一些ASIC内部只有机器人，工场内不存在人类认知。这一些装配线和传送带是固定的，不允许调换自动化步骤。ASIC的这类专用型固定架构付取它们极高的能效，和大批量规模化出产下的最低价钱。但遗憾的是，ASIC的开辟一般需求耗时很多年，并且不支持开展任何调换，这将会招致前期投入的资产很快跟不上将来出产力提拔的调换。
图4：ASIC的工业类比
高速分拣机器人种类有哪些湖北高速分拣机器人自动分拣机器人工作视频