Mesterséges intelligencia, magyarul.
Az eredeti közleményekből.

Az Arm szerint a robotika következő kihívása a teljes rendszer összehangolása

2026. augusztus 26.Forrás: Arm
Az Arm szerint a robotika következő kihívása a teljes rendszer összehangolása
Kép: Arm

A robotika fejlődésének következő akadálya az Arm szerint az, hogy az AI-következtetést, az érzékelést, a vezérlést, a biztonságot és a feladatok összehangolását egyetlen megbízható rendszerben kell működtetni. A vállalat új technikai tanulmánya azt vizsgálja, milyen számítási architektúrára lehet szükség a fizikai AI gyakorlati alkalmazásához.

A lényeg röviden
  • Az Arm szerint a robotika a bemutatóktól a valós alkalmazások felé halad.
  • Az ipari robottelepítések globális piacának értéke 16,7 milliárd dollárra nőtt.
  • A robotoknak eltérő ütemű és számításigényű feladatokat kell párhuzamosan kezelniük.
  • A CPU-k az Arm szerint az érzékelés, az ütemezés és a biztonságkritikus működés koordinálásában is fontosak.
  • Federico Pecora új tanulmánya a fizikai AI rendszerszintű architektúráját vizsgálja.

A bemutatóktól a valódi alkalmazásokig

Az Arm augusztus 26-án közzétett blogbejegyzése szerint a robotika új szakaszba lép. A mesterséges intelligencia fejlődése lehetővé teszi, hogy a robotok többet érzékeljenek, összetettebb helyzetekről következtessenek, és fejlettebb módon lépjenek kapcsolatba a fizikai világgal.

Ez a folyamat a robotokat a bemutatókból a gyártás, a logisztika, az egészségügy, a mezőgazdaság és más iparágak valós környezetébe viheti át. A Nemzetközi Robotikai Szövetségre hivatkozva az Arm azt írja, hogy az ipari robottelepítések globális piacának értéke elérte a rekordnak számító 16,7 milliárd dollárt.

A robotikai vállalatok számára a következő feladat olyan kereskedelmi rendszerek létrehozása, amelyek biztonságosan, megbízhatóan és gazdaságosan működnek a valós világban. Minden új AI-képesség további terhet ró a számítási kapacitásra, a szoftverre, az energiahatékonyságra, a költségekre, a biztonságra és a rendszerintegrációra.

Eltérő feladatokat kell egy időben működtetni

Federico Pecora, az Arm vezető robotikai kutatási szakértője új technikai tanulmányban, The missing science of robotic systems címmel vizsgálja ezt a problémát. A vállalat szerint a fizikai AI következő szakaszához rendszerszintű megközelítésre van szükség, amely együttesen kezeli az AI-következtetést, az érzékelést, a tervezést, a vezérlést, a biztonságot és a feladatok összehangolását.

Egy robot folyamatosan működő, önálló rendszer. Kamerák, lidar, radar, erőérzékelők, motorvezérlés, AI-következtetés, tervezés, biztonsági felügyelet és valós idejű visszacsatolás dolgozik benne, miközben a környezet folyamatosan változik. Ezek a feladatok eltérő ütemben futnak, és párhuzamosan is működhetnek.

A motorvezérlés kiszámítható időzítést igényel, az érzékelés és az AI-következtetés nagy áteresztőképességű számításokat. A tervezésnek hozzá kell férnie az érzékelők adataihoz és a környezet modelljéhez, a biztonsági felügyeletnek pedig elsőbbséget és elkülönítést kell kapnia. Mindezt úgy kell összehangolni, hogy az adatmegosztás ne okozzon késedelmet, szűk keresztmetszetet vagy kiszámíthatatlan működést.

A számítási feladatok elhelyezése kulcskérdés

Az Arm szerint a különböző robotkategóriák, az ipari robotok, az önvezető járművek, a humanoidok és a szolgáltatórobotok eltérő számítási igényekkel rendelkeznek. Közös követelmény azonban, hogy a rendszer a valós idejű vezérlést és a biztonságkritikus funkciókat kiszámítható módon működtesse, miközben összehangolja az intelligenciát és a fizikai cselekvést.

Ezért központi tervezési döntés, hogy mely feladatok fussanak CPU-n, melyeket gyorsítsanak külön erre szolgáló egységek, mi kerüljön valós idejű környezetbe, milyen adatok mozogjanak a feldolgozók között, és mely munkafolyamatok igényelnek elsőbbséget vagy elkülönítést.

Az Arm megfogalmazása szerint a gyorsítók hajtják végre az AI-modelleket, a CPU-k pedig a környező rendszer jelentős részét koordinálják. Kezelik az érzékelőket, ütemezik a feladatokat, mozgatják az adatokat a processzorok között, működtetik az operációs rendszert, és gondoskodnak arról, hogy a biztonságkritikus szoftver akkor is fusson, amikor az AI-feladatok egyre nagyobb terhelést jelentenek.

A vállalat olyan számítási alapot kíván nyújtani, amely a teljes munkaterhelésen keresztül támogatja a teljesítményt, a hatékonyságot, a biztonságot és a szoftverek hordozhatóságát. A tanulmány azt vizsgálja, hogyan kapcsolódik össze az AI-következtetés, az érzékelés, a tervezés, a vezérlés, a biztonság és az összehangolás a jövő robotjainak architektúrájában.

ArmFederico PecoraInternational Federation of Roboticsrobotikafizikai AIkutatási eredményipar és gyártás

Kapcsolódó hírek

A Sanctuary AI módszere felgyorsítja a robotok tanulását
Kutatás2026. október 2.

A Sanctuary AI módszere felgyorsítja a robotok tanulását

A Sanctuary AI TIGER nevű módszere sűrű jutalmazási jelet ad a robotoknak a megerősítéses tanulás során, így a rendszer a tesztelt feladatokon 20-57 százalékkal kevesebb…

Öt perc videóból tanulhatnak összetett feladatokat a robotok
Kutatás2026. október 2.

Öt perc videóból tanulhatnak összetett feladatokat a robotok

A Penn Engineering kutatói olyan robotikai módszereket mutattak be, amelyek mindössze öt percnyi videóbemutatóból tanulnak, majd korábban nem látott, több lépésből álló…

Az Arm júliusi fejlesztései az AI-infrastruktúrától a robotikáig érnek
Chipek és infrastruktúra2026. augusztus 5.

Az Arm júliusi fejlesztései az AI-infrastruktúrától a robotikáig érnek

Az Arm júliusi technológiai összefoglalója az AI-infrastruktúra, a helyi mesterséges intelligencia, a robotika és a chipletes rendszerek újdonságait gyűjtötte össze. A…