可编程芯片使机器人不再陷入长时间停顿，加快了它们的行动速度。
看过机器人操作演示的人都会注意到这样一种情况：机器人耗费很多时间却没做什么。于是，有人说机器人在“思考”。究竟是什么导致这样的停顿？原来机器人内部有一项非常耗时的运动规划程序，主要用于计算如何让手臂和抓手去完成它应做之事而不撞到任何物体。
鉴于此，杜克大学的研究人员找到了一种运动规划方法。它是一款能够高效率执行工作中最耗时部分的定制处理器。
就机械臂等而言，运动规划需要制定一份概率路线图（PRM）。PRM是由无障碍空间中的点以及连接这些点的线（被称为“边界”）构成的，且在这些边界之间进行的直接运动不会造成碰撞。然而在实践中，当抓手从一个地方移动到另一个地方时，胳膊上的其他部分可能会撞到物体。我们把机械臂移动经过的区域称为“波及体积”。运动规划算法最让头疼的地方在于判断一个波及体积是否会导致与障碍物相撞，即便抓手的运动路径上没有障碍物，也要进行这种判断。
为了简化流程，研究人员采用了特殊计算方法。这个过程会生成一张包含约1.5万个边界的概率路线图，可以划出机器人不会发生碰撞的区域。但是，1.5万个边界相对来说过于庞大。于是，他们先模拟了1万个场景，并查看使用了路线图中的哪些边界进行规划。经过几次优化和重测，一个示例中的路线图边界数量降到了1000以下，且没有影响它解决样本运动规划问题的能力。
由于负责规划的处理器是一个现场可编程门阵列（FPGA），路线图的大小受限于可安装在FPGA上的此类电路的数量——最多几千个。因此，把概率路线图中的边界数量降到可控范围很重要。
在运行过程中，如果电路所代表的边界与像素位置发生冲突会，芯片会在概率路线图上取消该边界。一旦芯片检查过图像上的所有像素，那么剩下的就是一个只包含无障碍路径的概率路线图。这种速度提高非常明显。无论开始时有多少边界，FPGA都仅需50纳秒/像素便能判断所有潜在碰撞。
研究实时运动规划的迪尼斯•马诺查教授，对FPGA有望在运动规划任务方面的优势表示赞同。他认为这能够提供非常实用的方案。目前，杜克大学的教授乔治•克尼德瑞斯、丹尼尔•J•索林、和一些研究生正在探索如何在概率路线图上寻找最短路径。与此同时，一家名为实时机器人的公司将对此技术进行商业化。这需要把FPGA移动到包含更大路线图的专用集成电路上，让机器人能够应对不同的环境。
索林教授表示，机器人领域的许多公司都对这项技术很感兴趣。如果可以进行实时运动规划，机器人很快便能够在动态的非结构环境中工作。
作者：Evan Ackerman