Biologische Motivierte Robotersysteme

Transkript

1 Biologische Motivierte Robotersysteme V. Rechnerarchitektur und Systemkomponenten INTERAKTIVE DIAGNOSE- UND SERVICESYSTEME (IDS) FORSCHUNGSZENTRUM INFORMATIK (FZI), INSTITUT FÜR ANTHROPOMATIK (IFA), FAKULTÄT FÜR INFORMATIK 1 KIT Universität des Landes Baden-Württemberg und nationales Forschungszentrum in der Helmholtz-Gemeinschaft

2 Übersicht The last Frontier of the biological science: Understanding the biological basis of consciousness! Neuronen, Synapsen und Nervenfasern Hierarchien der Informationsverarbeitung im Gehirn Rechnerarchitektur für biologisch motivierte Roboter Beispielarchitekturen V. Rechnerarchitektur und Systemkomponenten

3 Übersicht The last Frontier of the biological science: Understanding the biological basis of consciousness! Neuronen, Synapsen und Nervenfasern Hierarchien der Informationsverarbeitung im Gehirn Rechnerarchitektur für biologisch motivierte Roboter Beispielarchitekturen V. Rechnerarchitektur und Systemkomponenten

4 Neuron als Basisrecheneinheit Kurze Wiederholung: Reizverarbeitung und Informationskodierung Die Nervenzelle Übersicht Übertragung von Nervenimpulsen Na + und K + Synapse Knotenpunkte Nervenfaser (Axom) Verkabelung V. Rechnerarchitektur und Systemkomponenten

5 Wdh: Rezeptoren und Reizverarbeitung Aufnahme, Bewusstmachung und Abgabe von Information V. Rechnerarchitektur und Systemkomponenten

6 Wdh: Reizverarbeitung und Informationskodierung V. Rechnerarchitektur und Systemkomponenten

7 Nervenzelle Dendriten 3 wichtige Teile: Zellkörper Dendriten Nervenfaser V. Rechnerarchitektur und Systemkomponenten

8 Signale auf Nervenfasern I # K+ = 10*Na+ außen Membran innen # Na+ = 10*K+ (1) Fasermembran (2) Ionenpumpe (3) Kalium Kanal (4) Natrium Kanal K+ Ionen Na+ Ionen Na: Normalpotential: 2,713 V Ka: Normalpotential: V Ruhezustand: Innenseite der Membran um 70mV negativer V. Rechnerarchitektur und Systemkomponenten

9 Signale auf Nervenfasern I V. Rechnerarchitektur und Systemkomponenten

10 Synapse Synapsen: Verbindungsstelle einer Nervenfaser (Sender) und Dendriten (Empfänger) V. Rechnerarchitektur und Systemkomponenten

11 Nervenfaser (Axon) V. Rechnerarchitektur und Systemkomponenten

12 Nervenfaser I V. Rechnerarchitektur und Systemkomponenten

13 Nervenfaser II V. Rechnerarchitektur und Systemkomponenten

14 Nervenfaser III V. Rechnerarchitektur und Systemkomponenten

15 Übersicht The last Frontier of the biological science: Understanding the biological basis of consciousness! Neuronen, Synapsen und Nervenfasern Hierarchien der Informationsverarbeitung im Gehirn Rechnerarchitektur für biologisch motivierte Roboter Beispielarchitekturen V. Rechnerarchitektur und Systemkomponenten

16 Hierarchien der Informationsverarbeitung im Gehirn Das Zentrale Nervensystem Aufteilung der Rindenfeldes Aufteilung der Großhirnhälften Stabheuschrecke Abstraktion des Steuerungskonzeptes V. Rechnerarchitektur und Systemkomponenten

17 Teile des Zentralnervensystems V. Rechnerarchitektur und Systemkomponenten

18 Aufteilung des Rindenfeldes sensorisches motorisches Rindenfeld V. Rechnerarchitektur und Systemkomponenten

19 Aufteilung der Großhirnhälften V. Rechnerarchitektur und Systemkomponenten

20 Abstraktion des Steuerungskonzeptes Intelligente Einheiten Definition der Einheiten über gefordertes Steuerungsverhalten Adaptivität auf den Verhaltensebenen Kommunikation der Einheiten auf einer Verhaltensebene Hierarchisch, verteilte Steuerung V. Rechnerarchitektur und Systemkomponenten

21 Übersicht The last Frontier of the biological science: Understanding the biological basis of consciousness! Neuronen, Synapsen und Nervenfasern Hierarchien der Informationsverarbeitung im Gehirn Rechnerarchitektur für biologisch motivierte Roboter Beispielarchitekturen V. Rechnerarchitektur und Systemkomponenten

22 Rechnerarchitektur für biologisch motivierte Roboter Anforderungen an die Rechnerarchitektur Systemkomponenten Die einzelnen Bausteine Koppelung Bus-Systeme V. Rechnerarchitektur und Systemkomponenten

23 Anforderungen an eine Rechnerarchitektur Komplexes Verhalten Sicherheit Echtzeitfähigkeit Fehlertoleranz Modularität Skalierbarkeit V. Rechnerarchitektur und Systemkomponenten

24 Probleme bei der Umsetzung Platzmangel Gewicht der Komponenten Energieversorgung Energieeffizienz Resistenz gegen elektromagnetische Störungen V. Rechnerarchitektur und Systemkomponenten

25 Energieversorgung Energieversorgung im Falle von Rechnerbauteilen durch elektrische Energie Problem: elektrische Energie lässt sich schlecht kompakt speichern Batterien: Schwer Groß Kurze Laufzeit, lange Ladezeit Verbesserung durch LiPo-Akkus, Grundproblem bleibt bestehen Brennstoffzellen werden zunehmend interessanter noch kein breiter kommerzieller Einsatz noch in der Erprobung High-Tech Akku 22,2V 8000mAh Max Entladestrom 128A Gewicht: 1kg 29x50x375 mm (L x H x B) V. Rechnerarchitektur und Systemkomponenten

26 Vergleich Energiebedarf Herkömmliche PC PC-System Pentium IV 3GHz mit Monitor ca. 400 Watt Pentium M ohne Monitor ca. 150 Watt Intel Core2 Duo ca. 65 Watt Im Vergleich dazu Mikrocontroller ca. 0,4 Watt (C167 Infineon) DSP ca. 0,55 Watt (DSP56F803 Motorola) CPLD / FPGA ca. 0,7 Watt (Altera Flex 10k10) PC/104-System (Pentium ca. 20 Watt (DigitalLogic) PC/104-System (Core 2 2 x 1,5Ghz ) ca. 25 Watt V. Rechnerarchitektur und Systemkomponenten

27 Komponenten - Mikrocontroller Mikrocontroller besteht aus: Mikroprozessor Speicher Ein-/Ausgabe- Schnittstellen Peripheriegeräten V. Rechnerarchitektur und Systemkomponenten

28 Komponenten Digital Signal Prozessor (DSP) Die Mikrorechnerarchitektur von DSPs ist auf die Verarbeitung digitaler Signale optimiert DSPs sind im Bereich der Arithmetik, speziell bei der Multiplikation, leistungsfähiger als Mikrocontroller Anwendungsbereiche für Signalprozessoren Digitale Filter Signalaufbereitung (Bsp. Sensordaten) Spracherkennung Audio- / Videokompression V. Rechnerarchitektur und Systemkomponenten

29 Beispiel DSP 56F803 (Motorola) V. Rechnerarchitektur und Systemkomponenten

30 Komponenten Programmable Logic Device (PLD) Im allgemeinen zweistufige Logik (Und/Oder-Gatter) Programmierbare Logik-Operationen Sehr schnell bei parallelen Prozessen V. Rechnerarchitektur und Systemkomponenten

31 Komponete - UCoM UCoM Universal Controller Module Regelung von bis zu drei Motoren Auslesen von verschiedenen Sensoren Echtzeitfähig Größe: 80 mm * 70 mm * 20 mm 80 MHz DSP: Motorola Externes RAM FPGA: Altera Interfaces: CAN, SCI, SPI, JTAG DSP programmierbar über CAN-Bus Bis zu 3 Motoren (24 V) bis zu 5 A 6 Encoder-Ports (6-pin; 2 Spannungsversorgung, 4 IO) Differenzielle Motorstrommessung für jeden Motor V. Rechnerarchitektur und Systemkomponenten

32 Komponenten - Formfaktoren Netbook und Multimedia-PC-Boom führt zur Verkleinerung der PC- Formfaktoren Früher: Aktuell Consumer: ATX ( mm), Micro-ATX ( mm) Roboter/Industrie: PC/104 (90 96mm) dafür aber höher! Consumer: Mini-ITX ( mm) weit verbreitet Roboter/Industrie: Pico-ITX ( mm), ETX (114 95mm), PC/104 (90 96mm) V. Rechnerarchitektur und Systemkomponenten

33 Komponenten PC/104 Modulares Stecksystem PCI-Bus bei PC104+ Systemen Basisplatine mit Prozessor (bis 2 GHz) Erweiterungsplatinen Framegrabberkarten CAN-Schnittstellenkarte Karte für PCMCIA-Steckplatz Funk-LAN Microdrive-Festplatte V. Rechnerarchitektur und Systemkomponenten

34 Bussysteme - Topologien Linientopologie Ringtopologie Sterntopologie Baumtopologie Gemischt V. Rechnerarchitektur und Systemkomponenten

35 Bussysteme - Übertragungsarten Elektrisch Signale werden durch elektrische Impulse über Kabel übertragen Vorteile Einfache Verkabelung Flexible Leitungen Nachteile Anfälligkeit gegen elektromagnetische Störung V. Rechnerarchitektur und Systemkomponenten

36 Bussysteme - Übertragungsarten Optisch Signale werden über Lichtwellenleiter durch gepulstes Licht übertragen Vorteile Unempfindlichkeit gegenüber elektromagnetischen Störungen Nachteile Aufwendiges Konfektionieren und Verlegen der Lichtwellenleiter Begrenzter Biegeradius der Lichtwellenleiter V. Rechnerarchitektur und Systemkomponenten

37 Bussysteme - Beispiele Vielzahl von seriellen Bussystemen: CAN Controller Area Network (eletkrisch) FlexRay (elektrisch) IEEE1394 oder FireWire oder ilink (elektrisch oder optisch) Industrial Ethernet (elektrisch) Profibus (elektrisch) USB 1.1, 2.0, 3.0 SERCOS Serial Realtime Communication System (optisch) V. Rechnerarchitektur und Systemkomponenten

38 Beispiel CAN Bus (Controller Area Network) asynchrones, serielles Bussystem (1983 von Bosch entwickelt) Vernetzung von Steuergeräten in Automobilen Zweidrahtleitung -> Einfache Verkabelung Linientopologie Multimaster-Netzwerk mit Broadcastübertragung Sehr robust, geringe Störanfälligkeit, daher auch weite Verbreitung in der Industrie Echtzeitfähig es kann eine maximale Latenzzeit angegeben werden Bandbreite maximal 1 Mbit/s Leitungslänge beträgt bei 1 Mbit/s 40 m und bei 125 kbit/s 500 m V. Rechnerarchitektur und Systemkomponenten

39 Beispiel IEEE1394 / FireWire serielles Bussystem (von Apple entwickelt) asynchrone oder isochrone Datenübertragung Paketlänge variabel mit Empfangsbestätigung Broadcast-Pakete variabler Länge in festen Intervallen ohne Empfangsbestätigung) Integrierte Spannungsversorgung (8V 33V bei max. 1,5A) Firewire 400 / IEEE1394a: 100, 200 oder 400 Mbit/s Übertragungsbandbreit Firewire 800 / IEEE1394b: 800 Mbit/s Übertragungsbandbreite Multimedia-Anwendung (Video-Kamera) Shielded Twisted Pair: Komplexe Verkabelung: vier Adern für Daten, zwei für Versorg.-Spannung IEEE1394a: Beliebige Topologie außer Ring, IEEE1394b: auch Ringtopologie Daisy Chain möglich V. Rechnerarchitektur und Systemkomponenten

40 Beispiel USB 1.1, 2.0, 3.0 Universal Serial Bus: serielles Bussystem (1996 von Intel entwickelt) Zweidrahtleitung -> Einfache Verkabelung Zusätzliche 5V Versorgungsspannung (max. 500mA) USB-Host für Kommunikation erforderlich Baumtopologie Robust und weit verbreitet (Festplatten, Tastatur, Maus, ) NICHT Echtzeitfähig USB 1.1: 12 MBit/s, USB 2.0: 480 MBit/s, USB 3.0: 5 Gbit/s Maximale Leitungslänge 5 m und mit Repeatern max. 25m V. Rechnerarchitektur und Systemkomponenten

41 Übersicht The last Frontier of the biological science: Understanding the biological basis of consciousness! Neuronen, Synapsen und Nervenfasern Hierarchien der Informationsverarbeitung im Gehirn Rechnerarchitektur für biologisch motivierte Roboter Beispielarchitekturen V. Rechnerarchitektur und Systemkomponenten

42 Beispielarchitekturen It s alive! It s alive!!! Rechnerarchitektur von LAURON IV Rechnerarchitektur von MakroPlus V. Rechnerarchitektur und Systemkomponenten

43 Beispiel Laufmaschine LAURON IVc Autonom Steuerung auf LAURON Erfassung und Verarbeitung der Sensorwerte 7 UCoMs 2 x PC/104 System CAN-Bus MCA V. Rechnerarchitektur und Systemkomponenten

44 Beispiel Laufmaschine LAURON IVc V. Rechnerarchitektur und Systemkomponenten

45 Beispiel Rechnerarchitektur auf LAURON IVc WLAN Leitrechner Bein2 Bein6 Embedded PC1 (Robotersteuerung) CAN LAN Embedded PC2 (Bildverarbeitung) Firewire Framegrabber Kamera 1 Kamera 2 Omnidirek. Kamera Kamerasysteme Bein1 DSP UCoM PWM Kopf DSP UCoM PWM Daten/Addres. Daten/Addres. Seriell FPGA Treiber Seriell FPGA Treiber Opt. Encoder A Motor Encoder A Motor A Motor Encoder P Motor Pitch Opt. Encoder A Motor Encoder A Motor B Neigungssensor Motor Encoder Y Motor Yaw Fußsensor Opt. Encoder A Sensoren Motor Encoder A Motor C Aktoren Sensoren Aktoren V. Rechnerarchitektur und Systemkomponenten

46 Beispiel - MakroPLUS Fahrten im grob gereinigten Kanal Abwasseranalyse Lokalisierung Vermessung Diverse Inspektionsaufgaben V. Rechnerarchitektur und Systemkomponenten

47 Beispiel - MakroPLUS Anforderungen: Maximale Effizienz Maximale Ressourcen Maximale Modularität Maximale Flexibilität Maximale Konfigurierbarkeit V. Rechnerarchitektur und Systemkomponenten

48 Beispiel - MakroPLUS HW/SW Struktur Getrennte Funktionen Signalverarbeitung Datenübertragung Energieversorgung Adaptierbare Rechenleistung Embedded PC 1 Embedded PC N Sensor Aktor 1 DSP PWM Daten /Addr. FPGA Treiber 2 DSP FPGA Steuerplatine Steuerplatine Steuerplatine N DSP FPGA Motor Sensor Aktor Sensor Aktor V. Rechnerarchitektur und Systemkomponenten

49 Beispiel - MakroPLUS HW/SW Struktur Maximale Resourcen durch Verteilte Recheneinheiten, Bussysteme CAN Embedded PC 1 Firewire Embedded Sensor PC N Aktor 1 PWM DSP DSP DSP Daten /Addr. FPGA Treiber 2 FPGA Steuerplatine Steuerplatine Steuerplatine N FPGA Motor Sensor Aktor Sensor Aktor V. Rechnerarchitektur und Systemkomponenten

50 Beispiel - MakroPLUS HW/SW Struktur 1 DSP FPGA PWM Daten /Addr. Treiber Prädestinierte Embedded Aufgabe PC 1 Flexible Aufgabe 2 DSP Regelung Gelenkwinkel Regelung Embedded Knickelement PC N PWM - Signal DSP Optimierte Rechenleistung und FPGA Stromverbrauch FPGA Auswertung Absolutcode Maximale Konfigurierbarkeit Steuerplatine Steuerplatine Steuerplatine N Generierung Sensor Motorstatus Platinen Aktor Management Optional: PWM Signal DSP Schnell und FPGA Flexibel Motor Sensor Aktor Sensor Aktor V. Rechnerarchitektur und Systemkomponenten

51 Beispiel - MakroPLUS HW/SW Struktur Maximale Effizienz durch Stromsparende Bauteile Master I²C Embedded PC 1 Embedded PC N Sensor Aktor 1 DSP PWM Daten /Addr. FPGA Treiber Motor DSP 2 DSP FPGA Optimierte FPGA Rechenleistung und Stromverbrauch Sensor Aktor Schnell und Flexibel Steuerplatine Steuerplatine Steuerplatine N DSP FPGA Sensor Aktor V. Rechnerarchitektur und Systemkomponenten

52 Beispiel - MakroPLUS HW/SW Struktur Maximale Modularität durch getrennte Rechenleistungen Master I²C Embedded PC 1 Embedded PC N Sensor Aktor 1 DSP PWM Daten /Addr. 2 DSP Steuerplatine Steuerplatine Steuerplatine FPGA Treiber FPGA FPGA N DSP Motor Sensor Aktor Sensor Aktor V. Rechnerarchitektur und Systemkomponenten

53 Beispiel - MakroPLUS HW/SW Struktur Maximale Flexibilität (HAL, modulares Softwarekonzept) High-Level Steuerung Embedded PC 1 Embedded PC N Sensor Aktor Low-Level Steuerung 1 DSP PWM Daten /Addr. FPGA Treiber 2 DSP FPGA Steuerplatine Steuerplatine Steuerplatine N DSP FPGA Motor Sensor Aktor Sensor Aktor V. Rechnerarchitektur und Systemkomponenten

54 Gegenüberstellung der Rechnerarchitektur Parallelität Redundanz Fehlertoleranz Rekonstruktion Verarbeitungsgeschwindigkeit Übertragungsgeschwindigkeit Schnittstellen Natur sehr hoch sehr hoch sehr hoch möglich niedrig niedrig hoch Technik niedrig-mittel niedrig niedrig nicht möglich hoch hoch niedrig V. Rechnerarchitektur und Systemkomponenten

55 Things to come Nächste Woche: Neuro-Biologisch motivierte Steuerungen V. Rechnerarchitektur und Systemkomponenten