Verwenden Sie einen Einplatinencomputer zur schnellen Implementierung von Edge-KI in neuen oder nachgerüsteten Anwendungen

Entwickler von IoT- (Internet der Dinge), Robotik-, computerbasierten Bildverarbeitungs- und Industrieanwendungen stehen unter wachsendem Druck, Intelligenz in ihre hochgradig vernetzten Edge-Designs einzubetten. Für Teams, die unter Termindruck arbeiten, geht dieser Druck über die Entwicklung von Anwendungssoftware hinaus. Die Auswahl von Hardware, die in der Lage ist, High-Level-Betriebssysteme wie Linux neben deterministischen Echtzeitfunktionen auszuführen, ist schon eine Herausforderung, aber wenn Intelligenz in bestehende Infrastrukturen nachgerüstet wird, wie z. B. in der industriellen Automatisierung und bei intelligenten Gebäudeanwendungen, ergeben sich zusätzliche Anforderungen an die Plattformeignung.

Was Entwickler brauchen, ist eine vertraute, bewährte, flexible und leistungsfähige Plattform, um schnell Prototypen und produktionsreife Designs zu entwickeln.

In diesem Artikel werden die Herausforderungen erörtert, denen sich Entwickler bei neuen und Nachrüstprojekten am Netzrand gegenübersehen. Anschließend wird gezeigt, wie ein Arduino-Einplatinencomputer (SBC) verwendet werden kann, um diese Herausforderungen zu bewältigen.

Aufbau von Edge-Intelligenz unter strengen Ressourcenbeschränkungen

Edge-Intelligenz umfasst Ableitungen und Entscheidungen der künstlichen Intelligenz (KI), die auf einer lokalen Plattform ausgeführt werden. Zu den wichtigsten Vorteilen der Edge-basierten Intelligenz gehören die geringere Abhängigkeit von ständig verfügbaren Netzwerkverbindungen, die Verbesserung des Datenschutzes und der Sicherheit sowie eine extrem niedrige Latenzzeit, was den Entwicklern von Robotern und industriellen Sicherheitssystemen zugute kommt.

Bei Robotern ermöglicht die Edge-Intelligenz Bewegungssteuerung, Hindernisvermeidung und adaptives Verhalten in Echtzeit und sorgt für deterministische Reaktionszeiten, die für den autonomen Betrieb entscheidend sind. Bei industriellen Sicherheitssystemen ermöglicht Edge-Intelligenz die sofortige Erkennung von Gefahren, die vorausschauende Wartung und das schnelle Abschalten, wodurch Schäden an den Anlagen und das Risiko für die Mitarbeiter minimiert werden. Insgesamt bietet Edge-Intelligenz die Reaktionsfähigkeit, Belastbarkeit und Zuverlässigkeit, die für Echtzeit-KI-Anwendungen erforderlich sind.

Begrenzte Hardwareressourcen stellen jedoch eine erhebliche Einschränkung dar. Cloud-basierte Systeme können nach Bedarf skaliert werden, während Edge-basierte Intelligenz die Onboard-Verarbeitung mit dem Energiebedarf und den thermischen Beschränkungen in Einklang bringen muss. Echtzeit-KI-Workloads wie computerbasierte Bildverarbeitung, Sensorfusion und Robotersteuerung können die Verarbeitungsressourcen sättigen und den Stromverbrauch und die Wärmeentwicklung erhöhen. Eine übermäßige thermische Belastung eines Prozessors kann zu verminderter Inferenzleistung, Systeminstabilität oder thermischer Drosselung führen, bei der der Prozessor automatisch langsamer wird, um sich abzukühlen, wenn er zu heiß wird.

Die Begrenzung des Energiebedarfs ist ebenso kritisch, wenn Edge-Systeme mit Batterien, mobilen Stromversorgungssystemen oder anderweitig eingeschränkten Stromversorgungen betrieben werden, wo sich die Energieeffizienz direkt auf die Laufzeit und Zuverlässigkeit auswirkt. Nachrüstungen bringen oft Herausforderungen mit sich. Bestehende Plattformen haben in der Regel nur begrenzten Platz, so dass es schwierig ist, KI-Beschleuniger, Kühlsysteme oder zusätzlichen Speicher hinzuzufügen. Ältere Systeme können veraltete oder proprietäre Schnittstellen haben, die Adapter oder eine kundenspezifische Integration erfordern, um moderne Hardware mit der vorhandenen Technologie zu verbinden.

Der Vorteil von Einplatinencomputern für schnelle Entwicklung und erfolgreiche Nachrüstung

Edge-Intelligenz kann mit Hilfe eines Einplatinencomputers implementiert werden. Diese kompakten, eingebetteten Computerplattformen integrieren einen Prozessor, Speicher, Speicherschnittstellen, Netzwerk- und Peripherieverbindungen auf einem einzigen Board und sind damit ideal für Edge-Anwendungen.

Einplatinencomputer können sofort einsatzbereite Funktionen bieten, einschließlich eines Betriebssystems (OS), Netzwerk-Stacks, Kamera-Schnittstellen, Speicher und Hardware-Beschleunigung, ohne dass eine Anpassung des Board-Designs erforderlich ist. Einplatinencomputer enthalten in der Regel geprüfte I/Os und vorvalidierte Schnittstellen, die von bestehenden Software-Ökosystemen unterstützt werden. Im Allgemeinen bieten sie einen größeren Funktionsumfang als eigenständige eingebettete Controller und laufen häufig unter Open-Source-Linux.

Bei Nachrüstungen kann ein Einplatinencomputer in Verbindung mit Ressourcen zur Echtzeitverarbeitung zuverlässig mit älteren Sensoren, Aktoren und Schnittstellen interagieren und gleichzeitig ein vorhersehbares Timing für die Planung, Verarbeitung oder Aufgabenausführung unterstützen. Auch Nachrüstungen können von intelligenten Plattformen enorm profitieren, allerdings stellen sie hohe Anforderungen an intelligente Edge-Anwendungen, wie z. B. kompakte Abmessungen, hohe Leistung pro Watt (PPW) in heterogenen Rechnerarchitekturen und eine niedrige thermische Verlustleistung (TDP).

Bei der heterogenen Datenverarbeitung werden spezialisierte Prozessoren den Aufgaben zugeordnet, die sie am besten bewältigen können. Dadurch werden die Engpässe herkömmlicher Architekturen beseitigt und Echtzeit-Reaktionsfähigkeit, Energieeinsparung und hohe Leistung in eingeschränkten Umgebungen ermöglicht. Eine hohe PPW unterstützt ein begrenztes Energiebudget, da die KI-Inferenz parallel zur Sensorfusion in Echtzeit laufen kann. Eine niedrige TDP ist wichtig, da übermäßige Wärme die Zuverlässigkeit verringert, das Risiko von Hardwareschäden erhöht oder eine thermische Drosselung auslösen kann.

Einplatinencomputer können es einfacher machen, all diese Nachrüstungsanforderungen zu erfüllen. Für IoT- und Industrieanwendungen kann die umfassende Abdeckung von drahtgebundenen und drahtlosen Netzwerkoptionen die Anforderungen an die Systemerweiterung reduzieren und die Integration vereinfachen. In der Robotik und bei der computerbasierten Bildverarbeitung können Highspeed-Bildsignalverarbeitung und KI-Inferenz Echtzeit-Navigation, Objekterkennung und autonome Entscheidungsfindung mit deterministischen Reaktionsmerkmalen ermöglichen.

Ein Einplatinencomputer mit zwei Architekturen und einem vertrauten Formfaktor

Mikrocontroller-Einheiten (MCUs) bieten eine hervorragende Echtzeit-Hardware-Steuerung, so dass viele Einplatinencomputer-Designer sie mit leistungsstarken CPUs in einer dualen Architektur kombinieren. Der UNO Q von Arduino (Abbildung 1) ist beispielsweise ein Einplatinencomputer, der den Prozessor Dragonwing QRB2210 (auf dem ein vollständiges Debian-Linux-Betriebssystem mit Upstream-Unterstützung läuft) von Qualcomm mit der Echtzeit-Reaktionsfähigkeit einer speziellen STM32U585-MCU von STMicroelectronics (auf der Arduino-Sketches unter Zephyr OS laufen) kombiniert. Der energieeffiziente Dragonwing QRB2210 verfügt über eine Quad-Core-Cortex-A53-CPU (bis zu 2,0 Gigahertz (GHz)) von Arm mit einem Adreno-Grafikprozessor (GPU). KI-Inferenz kann auf der GPU und der CPU laufen.

Abbildung 1: Das UNO-Q-Board integriert eine CPU, eine GPU und eine Echtzeit-MCU in einer einzigen Entwicklungsumgebung. (Bildquelle: Arduino)

Duale Bildsignalprozessoren (ISPs) mit 13 Megapixeln (MP) und 30 Bildern pro Sekunde (fps) unterstützen die Bildpipeline-Verarbeitung und eignen sich für moderne Funktionen wie die maschinelle Bildverarbeitung. Ein integrierter digitaler Signalprozessor (DSP) unterstützt außerdem leichtgewichtige KI-Inferenz und Multimedia-Verarbeitung. Der lüfterlose Betrieb vereinfacht das passive Wärmemanagement.

Zwei Versionen des Arduino UNO Q sind mit herkömmlichen Arduino-Shields und Zubehör kompatibel. Der ABX00162 mit 2 Gigabyte (Gbyte) RAM und einer 16-GByte-Embedded-MultiMediaCard (eMMC) eignet sich am besten für kosteneffiziente, dedizierte und leichtgewichtige Anwendungen. Der ABX00173 mit 4 Gbyte RAM und einer 32 Gbyte großen eMMC unterstützt computerbasierte Bildverarbeitungs-, Grafik- und Edge-Processing-Anwendungen. Der Letztere kann ein reaktionsschnelles, eigenständiges Desktop-Erlebnis, Multitasking mit High-Level-Prozessen, Unterstützung für komplexe KI-Modelle oder erweiterten lokalen Speicher bieten.

Im typischen Arduino-Design verfügen die Boards über eingebaute, vom Benutzer steuerbare RGB-LEDs und eine 8 × 13 Elemente große blaue LED-Matrix zur schnellen Statusanzeige. Wi-Fi 5 und Bluetooth 5.1 bieten Vernetzung für die Fernsteuerung oder Datenüberwachung. Ein Versorgungseingang für 7 V_DC bis 24 V_DC (über einen dedizierten Pin und nicht über den USB-C-Anschluss) ermöglicht die direkte Anbindung an herkömmliche Stromschienen ohne DC/DC-Abwärtswandler.

Das Arduino App Lab vereint die „Dual-Brain-Architektur“ von Einplatinencomputer und MCU in einer einzigen, spezialisierten integrierten Entwicklungsumgebung (IDE). Dieser optimierte Ansatz ermöglicht es Ingenieuren, sowohl Einplatinencomputer- als auch MCU-Anwendungen in einem konsistenten Arbeitsablauf zu entwickeln, zu verwalten und zu implementieren, was die Komplexität für die Benutzer reduziert.

Beschleunigung der UNO-Q-Entwicklung durch lötfreie modulare Erweiterung

Der Arduino-UNO-Q behält den vertrauten Arduino-UNO-Formfaktor und die Anordnung der Anschlüsse bei und erweitert die Plattform für intelligente Edge- und Industrieanwendungen (Abbildung 2). Die traditionellen UNO-kompatiblen Stiftleisten bieten GPIO-, Stromversorgungs-, SPI-, I²C- und UART-Verbindungen, wobei die Kompatibilität mit bestehenden Arduino-Shields und Embedded-Workflows erhalten bleibt.

Abbildung 2: Der Einplatinencomputer UNO Q von Arduino behält den üblichen Arduino-UNO-Formfaktor und die klassischen Header bei, fügt aber moderne Highspeed-Anschlüsse hinzu. (Bildquelle: Arduino)

Die Highspeed-Anschlüsse an der Unterseite erweitern die Möglichkeiten über die herkömmlichen MCU-Schnittstellen hinaus, indem sie eine schnellere Peripheriekommunikation und eine Systemintegration mit höherer Bandbreite in kompakten Konfigurationen ermöglichen. Der Ethernet-PHY-Shield ASX00073 (Abbildung 3) demonstriert die einfache Erweiterung bestehender Infrastruktur unter Verwendung der vorhandenen Verkabelung. Ähnliche Shield-Optionen unterstützen die Motorsteuerung und die Feldbuskommunikation (z. B. CAN-Bus oder RS-485) und ermöglichen zusätzliche Funktionen durch schnelle Hardware-Erweiterung.

Abbildung 3: Das Ethernet-PHY-Shield ASX00073 vereinfacht die Erweiterung der Infrastruktur unter Verwendung der vorhandenen Verkabelung. (Bildquelle: Arduino)

Der Arduino UNO Q verfügt außerdem über einen integrierten Qwiic-Anschluss, der den Anschluss von Sensoren, Aktoren und Modulino-Modulen von Arduino über I²C ermöglicht und so eine schnelle, lötfreie Erweiterung ermöglicht, was die Entwicklung von Prototypen und Mensch-Maschine-Schnittstellen erheblich beschleunigt. So unterstützt beispielsweise die Modulino-Tastenkarte ABX00110 (Abbildung 4, links) Bedienereingaben und die Auslösung von Ereignissen für industrielle Schalttafeln und IoT-Geräte; die Drehgeberkarte ABX00107 (Abbildung 4, Mitte) ermöglicht eine intuitive Menüführung, Parameterabstimmung und Robotersteuerungsschnittstellen; und die ToF-Karte (Time-of-Flight, Laufzeitmessung) ABX00102 (Abbildung 4, rechts) bietet eine Näherungssensorik, die für Robotik, Belegungserkennung und Sicherheitssysteme in der Automatisierung nützlich ist.

Abbildung 4: Abgebildet sind die Tastenkarte ABX00110 (links), die Drehgeberkarte ABX00107 (Mitte) und die ToF-Karte ABX00102 (rechts). (Bildquelle: Arduino)

Fazit

Da Edge-KI-Anwendungen in der industriellen Automatisierung, der Robotik und dem IoT weiter zunehmen, bieten flexible Einplatinencomputer-Plattformen einen schnellen, effektiven Weg zu zuverlässigen, reaktionsschnellen und intelligenten Systemen. Durch die Integration von High-Level-Verarbeitung, Echtzeit-Steuerung, flexibler Vernetzung und modularer Erweiterung in kompakte, energieeffiziente Hardware zeigt der Arduino UNO Q, wie ein Einplatinencomputer das Prototyping vereinfachen und bestehende Infrastrukturen ohne umfangreiches Redesign modernisieren kann.