资源分配方法及控制器与流程
本技术属于机器人芯片架构设计,具体涉及一种资源分配方法及控制器。
背景技术:
1、目前,具身机器人通常集成有多种计算单元,以同时支撑大规模的推理(例如环境感知、语义理解、任务规划等)和高实时性运动控制(例如关节控制、动态平衡等)。在现有的机器人芯片设计上,各计算单元例如cpu(central processing unit,中央处理器)、npu(neural processing unit,神经网络处理单元)、cache容量(高速缓冲存储器)、ddr带宽(double data rate sdram,双倍速率同步动态随机存储器)等,都采用的固定资源分配架构。
2、在具体应用中,发明人发现现有技术中至少存在如下问题:由于固定资源的分配,导致机器人无法根据不同的运动状态,对应调整资源的动态分配:在高速运动状态时,实时控制资源不足,大量资源在推理域被浪费,导致机器人控制不稳定;在低速运动状态时,推理资源不足,大量资源在控制域被浪费,导致推理缓慢。
技术实现思路
1、本技术实施方式主要解决现有的机器人芯片架构中,无法根据机器人的运动状态,对应分配推理域和控制域的芯片资源的技术问题。
2、为解决上述技术问题,本技术实施方式采用的一个技术方案是:提供一种资源分配方法,应用于机器人,机器人包括控制器、感知识别模块和资源分配模块,方法包括:通过感知识别模块获取机器人的多源状态数据,并基于预设时间基准对多源状态数据进行调节,以得到时序对齐的多源状态数据;基于时序对齐的多源状态数据,预测生成机器人的未来预设时间内的未来运动状态;通过感知识别模块识别机器人的基础物理状态,以根据基础物理状态得到机器人的当前身体状态;整合当前身体状态和未来运动状态,生成机器人的行为状态向量,并将行为状态向量输入至资源分配模块;通过资源分配模块,基于行为状态向量计算机器人的控制域的优先级和机器人的推理域的优先级;在控制域的优先级大于或等于推理域的优先级的情况下,通过将资源分配模块切换至第一资源分配模式,分配推理域的预设资源至控制域。
3、可选地,当前身体状态还包括若干个稳定性指标;方法还包括:针对每个稳定性指标,设置每个稳定性指标对应的安全阈值;基于若干个稳定性指标的数值,加权计算得到机器人的稳定性分值;在任一稳定性指标的数值小于稳定性指标对应的安全阈值的情况下,和/或,在稳定性分值小于预设分值的情况下,通过将资源分配模块切换至第一资源分配模式,分配推理域的预设资源分配至控制域。
4、可选地,基于时序对齐的多源状态数据,预测生成机器人的未来预设时间内的未来运动状态,包括:从时序对齐的多源状态数据中分析得到机器人的多个运动状态数据;对每个运动状态数据,进行未来预设时间内的变化判断,得到每个运动状态数据的变化趋势;其中,变化趋势包括上升、下降或平稳;获取预设的运动状态数据关联库;基于预设的运动状态数据关联库,结合多个运动状态数据的变化趋势,生成若干个机器人的运动变化标签;整合若干个机器人的运动变化标签,得到机器人未来预设时间内的未来运动状态。
5、可选地,行为状态向量还包括机器人的当前任务语义状态,当前任务语义状态通过感知识别模块获取;基于行为状态向量计算机器人的控制域的优先级和机器人的推理域的优先级,包括:从行为状态向量中解析得到任务语义状态、身体状态和未来运动状态;在任务语义状态为认知型的情况下,增加推理域的第一预设数值的权重分数;以及在任务语义状态为运动型的情况下,增加控制域的第一预设数值的权重分数;从身体状态中分析得到机器人的运动速度,并在运动速度大于第一阈值情况下,和/或,未来运动状态为高运动状态的情况下,增加控制域的第二预设数值的权重分数;其中,第二预设数值大于第一预设数值;基于推理域的权重分数,确定推理域的优先级;以及基于控制域的权重分数,确定控制域的优先级;其中,优先级与权重分数正相关。
6、可选地,在控制域的优先级大于或等于推理域的优先级的情况下,通过将资源分配模块切换至第一资源分配模式,分配推理域的预设资源分配至控制域,包括:对每个推理域的任务进行优先级分数的分配;在控制域的优先级大于或等于推理域的优先级的情况下,通过将资源分配模块切换至第一资源分配模式,以暂停机器人执行优先级分数小于第一预设分数阈值的推理域的任务;通过资源分配模块,将暂停执行的推理域的任务对应的资源分配给控制域。
7、可选地,资源包括主存带宽;将暂停执行的推理域的任务对应的资源分配给控制域,包括:建立机器人的主存带宽映射表;对行为状态向量进行解析得到机器人的未来运动状态;对主存带宽映射表进行带宽占用分析,并结合未来运动状态,得到控制域的未来预设时间内的主存带宽需求值;根据主存带宽需求值,将暂停执行的推理域的任务的主存带宽分配给控制域,直到累计分配的主存带宽达到主存带宽需求值。
8、可选地,资源包括片上存储区域;将暂停执行的推理域的任务对应的资源分配给控制域,包括:停止对暂停执行的推理域的任务的片上存储区域的写入操作;将暂停执行的推理域的任务的片上存储区域的脏数据,写回至机器人的主存,以得到修改后的片上存储区域;其中,脏数据为暂停执行的推理域的任务的片上存储区域已写入,且未写回主存的数据;将修改后的片上存储区域分配至控制域,以重新构建修改后的片上存储区域和控制域的地址映射关系,得到重映射的片上存储区域;其中,重映射的片上存储区域服务于控制域的实时缓存。
9、可选地,资源包括张量计算阵列;将暂停执行的推理域的任务对应的资源分配给控制域,包括:将暂停执行的推理域的任务的张量计算阵列释放,并将释放后的张量计算阵列的运行模式由第一计算模式切换为第二计算模式,以得到切换后的张量计算阵列;其中,第一计算模式为释放后的张量计算阵列服务于推理域的运行模式,第二计算模式为释放后的张量计算阵列服务于控制域的运行模式;将动力学控制数据载入切换后的张量计算阵列,以生成重构后的张量计算阵列;将重构后的张量计算阵列分配给控制域,以使得重构后的张量计算阵列执行控制域的数据计算。
10、可选地,方法还包括:对每个控制域的任务进行优先级分数的分配;在控制域的优先级小于推理域的优先级的情况下,或,在控制域的优先级大于或等于推理域的优先级,且控制域的优先级逐渐降低的情况下,通过将资源分配模块切换至第二资源分配模式,以暂停执行优先级分数小于第二预设分数阈值的控制域的任务;通过资源分配模块,将暂停执行的控制域的任务对应的资源分配给推理域。
11、为解决上述技术问题,本技术实施方式采用的另一个技术方案是:提供一种控制器,所述控制器包括:至少一个处理器;以及,与所述至少一个处理器通信连接的存储器;其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行上述任一项的方法。
12、区别于相关技术的情况,本技术实施例提供了一种资源分配方法及控制器,通过机器人中的感知识别模块获取机器人的多源状态数据以预测机器人的未来运动状态,并通过机器人中的感知识别模块来识别机器人的基础物理状态以得到机器人的当前身体状态。整合机器人的当前身体状态和未来运动状态,生成机器人的行为状态向量并将行为状态向量输入到资源分配模块,以通过资源分配模块计算机器人的推理域的优先级和控制域的优先级,以根据两者优先级大小来确定机器人所需的资源分配模式。在控制域的优先级大于或等于推理域的优先级的情况下,资源分配模块被切换至第一资源分配模式,以将推理域的预设资源分配至控制域。由此,通过感知识别模块实时获取机器人的运动状态,并基于此使得资源分配模块对应切换资源分配模式,以使机器人的芯片架构,能够根据机器人的运动状态对应分配推理域和控制域的资源,提高资源利用率以及机器人运动的性能。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com