A medida que los robots se vuelven más inteligentes, autónomos y conectados, buena parte de la atención recae naturalmente sobre modelos de IA cada vez más potentes.
Pero debajo de esos modelos hay un conjunto cada vez más complejo de sensores, procesadores, sistemas de control y hardware de seguridad que debe operar de manera confiable, y casi siempre dentro de límites estrictos de consumo eléctrico, tamaño y disipación de calor.
Lattice Semiconductor es una de las compañías que desarrolla tecnología para esa capa menos visible de la robótica. Fundada en 1983 y con sede en Oregon, se especializa en FPGA de bajo consumo, es decir, arreglos de compuertas programables en campo que pueden programarse y reprogramarse para funciones que van desde la visión artificial y la fusión de sensores hasta el control de motores, las redes industriales y la seguridad por hardware.
Esa flexibilidad se vuelve especialmente relevante mientras la robótica avanza hacia un mayor procesamiento en el borde. Lattice apunta a aplicaciones como robots industriales, robots móviles autónomos y otros sistemas de IA física, donde el control determinista en tiempo real, la baja latencia y la eficiencia energética pueden pesar tanto como la potencia bruta de cómputo.
En esta entrevista, Robotics & Automation News conversa con Karl Wachswender, arquitecto principal senior de sistemas para el área industrial de Lattice Semiconductor, sobre cómo el hardware programable evoluciona junto con la industria robótica.
¿Por qué los humanoides necesitan hardware programable?
Robotics & Automation News: Los robots humanoides son cada vez más capaces, pero también tienen restricciones estrictas de energía, tamaño y temperatura. ¿Cómo están cambiando los dispositivos programables de bajo consumo la forma en que las empresas de robótica diseñan su próxima generación de máquinas inteligentes?
Karl Wachswender: Por lo versátiles que son, los FPGA de bajo consumo están permitiendo que los desarrolladores de robótica humanoide adopten un enfoque más holístico del diseño de sistemas.
Un solo FPGA puede sostener simultáneamente funciones como el corte selectivo de energía, el puenteo de protocolos y la seguridad por hardware, lo que abre la puerta a una optimización de punta a punta que antes no estaba disponible en estos entornos limitados por naturaleza.
Ese poder de procesamiento paralelo ayuda a desplegar modelos de IA más potentes en el borde, que a su vez sostienen robots más inteligentes. Cuando un robot puede percibir, procesar y actuar sobre datos del entorno en tiempo real, sin sobrecargar la unidad central de procesamiento, se le puede confiar más autonomía.
¿Qué cargas de trabajo se quedan en el robot y cuáles siguen en la nube?
R&AN: La IA en el borde está pasando rápido de las demostraciones conectadas a la nube a la toma de decisiones en tiempo real sobre los propios robots. ¿Qué cargas de trabajo cree que se moverán al robot y cuáles seguirán dependiendo de la nube?
KW: Al decidir qué debe ejecutarse en el borde y qué en la nube, el criterio pasa menos por la carga de trabajo en sí y más por el resultado que se busca.
¿Con qué rapidez deben ocurrir estas tareas y qué pasa si quedan sujetas a algún aumento de latencia? ¿Poner la carga sobre los componentes del borde entrega un beneficio neto o desborda su capacidad limitada?
Las cargas ligadas a percepción en tiempo real y control de motores, pensemos en procesamiento de profundidad, fusión de sensores y seguimiento de objetos, quedarán ancladas al borde, porque requieren un determinismo por debajo del microsegundo que los viajes de ida y vuelta a la nube no pueden ofrecer. Los procesos menos sensibles al tiempo, como las tareas de analítica empresarial, pueden seguir ocurriendo en la nube.
¿Qué está cambiando en la visión artificial?
R&AN: La visión artificial se ha convertido en una de las tecnologías que definen la robótica moderna. ¿Qué avances observa en visión embebida?
KW: La visión artificial ha avanzado enormemente en los últimos años, con el procesamiento en el borde habilitado por FPGA ayudando a filtrar y preprocesar los datos del sensor de la cámara antes de que lleguen a los procesadores centrales.
Descargar de los sistemas centralizados ese tipo de tareas, procesamiento de profundidad, fusión de sensores, seguimiento de objetos y detección de regiones de interés, reduce la latencia y el costo energético, y con eso vuelve a los robots autónomos más accesibles y confiables.
Para dimensionar el impacto de estos avances, vale mirar la colaboración reciente entre Lattice y AIRY3D. Al combinar un módulo de cámara compacto con un FPGA dinámico, los desarrolladores lograron hacer realidad la visión 3D de un solo sensor en el borde. Esa opción de fuente única ayuda a resolver los problemas de percepción de profundidad y autooclusión que dificultan la interacción en el mundo real.
¿Cuánto dura un robot que se puede reprogramar?
R&AN: Los fabricantes quieren plataformas que evolucionen tras el despliegue en vez de quedar obsoletas en pocos años. ¿Qué tan importantes son las arquitecturas de hardware programable para extender la vida operativa de los robots industriales y de servicio?
KW: La programabilidad es la clave de los diseños robóticos exitosos de hoy. Los usuarios finales industriales, por ejemplo, están invirtiendo sumas enormes en despliegues robóticos autónomos y esperan que el equipo dure bien hacia el futuro.
¿Por qué considerarían soluciones con capacidades fijas cuando sabemos que, pese al progreso de los últimos cinco años, todavía quedan más avances por venir?
Los fabricantes de robots entienden esto y son cada vez más conscientes de la programabilidad al tomar decisiones sobre sus propias instalaciones. Nos toca a quienes fabricamos los componentes ofrecer opciones que soporten programabilidad antes y después del despliegue, para habilitar instalaciones duraderas que no deban reemplazarse apenas un modelo de hardware o software queda desactualizado.
¿Qué está subestimando la industria?
R&AN: Buena parte de la discusión sobre humanoides se concentra en los modelos de IA, pero la robótica confiable también depende del sensado, la electrónica de control y el desempeño determinista en tiempo real. ¿Qué áreas del hardware robótico cree que la industria está subestimando?
KW: Los modelos de IA entusiasman porque son fáciles de demostrar, hay un factor sorpresa en cualquier despliegue exitoso. Pero lo que se muestra es, en muchos sentidos, el producto terminado. Es el resultado del entrenamiento y la optimización del modelo en la base, no un despliegue listo para usar en acción.
Esto no es la idea tradicional de que la IA necesita datos para funcionar. Eso ya se entiende y se discute ampliamente. Es una capa más abajo: la IA necesita los datos correctos, en el lugar correcto, en el momento correcto y mostrando las cosas correctas.
Eso arranca con mejoras en la infraestructura, con mejor secuenciamiento de energía, puenteo de protocolos y control de movimiento en tiempo real. Si logramos incorporar componentes dinámicos, capaces y reprogramables desde el nivel fundacional del diseño, su impacto aguas abajo sobre el éxito del despliegue de IA será significativo.
La seguridad empieza antes de que arranque el sistema operativo
R&AN: La seguridad gana peso a medida que los robots se conectan a redes empresariales e infraestructura crítica. ¿Qué pasos prácticos deberían dar los fabricantes para generar confianza y satisfacer los requisitos regulatorios emergentes sin agregar complejidad ni costo innecesarios?
KW: La seguridad del producto final parte con componentes fundacionales seguros, y lo mismo vale para el cumplimiento normativo. En la práctica eso significa reposicionar la seguridad dentro del diseño del sistema. Los desarrolladores deben tratarla como una capa de hardware y no como un agregado por software al final del proceso.
Los FPGA pueden entregar esa base sólida, porque ejecutan la lógica de secuenciamiento y control en el instante en que se aplica energía, lo que ayuda a proteger dispositivos distribuidos frente a ataques que aprovechan la ventana previa al arranque del sistema operativo. También pueden actuar como raíz de confianza de hardware, iniciando una cadena de confianza como primeros componentes en encender y últimos en apagarse.
Opciones especializadas como el MachXO3D de Lattice pueden manejar ese tipo de funciones de seguridad además de otras cargas de trabajo. Reunir estas capacidades en un solo componente ayuda a mejorar la seguridad sin complicar los sistemas ni aumentar los costos.
Los beneficios de un diseño basado en FPGA se extienden también a la seguridad operacional. Si no se puede confiar en que un robot arranque y opere de manera confiable a través de distintas cargas de trabajo, no hay garantía de que no falle en el trabajo. Y a medida que estos robots se despliegan junto a más trabajadores humanos, ese tipo de error inesperado puede representar un peligro físico real.
¿Dónde estará el negocio en diez años?
R&AN: Mirando cinco a diez años hacia adelante, ¿qué sectores de la robótica cree que generarán las mayores oportunidades comerciales para las empresas de semiconductores?
KW: La robótica humanoide tendrá sin duda un potencial significativo para las empresas de semiconductores. Goldman Sachs incluso revisó su proyección de mercado global para 2035 desde 6.000 millones de dólares hasta 38.000 millones. Es una señal de impulso y oportunidad innegables.
Pero hay una oportunidad de crecimiento importante en todos los frentes. Los humanoides están lejos de ser el único sector que anticipa una expansión rápida. Los analistas esperan que el mercado global de automatización industrial crezca hasta los 623.250 millones de dólares al año 2035, con una tasa de crecimiento anual compuesta de 9,13 por ciento, y que el mercado de robótica quirúrgica supere los 27.000 millones de dólares hacia 2030. Mientras tanto, se proyecta que ciertos mercados regionales de robots móviles autónomos tripliquen su tamaño hacia 2030.
Los semiconductores son la base del progreso en todos estos sectores, así que sería poco sensato descartarlos en medio del actual auge de los humanoides.
