想要機器人實現智能化，需要具有敏銳且優秀的感知，同時還能有精準的運控。就感知計算而言，尤其是視覺以及深度學習，計算量往往很大，對器件性能要求高。而且感知算法也在不斷發展，這需要對機器人處理系統做不斷地更新。

就控制而言，FPGA可以應用在分散控制的小節點上，也可以在大節點上應用更高效能的FPGA SoC。區別于MCU，通過FPGA控制的系統最明顯的優勢點就是驅動反應時間會大大縮短，整個系統的運行速度會有一個較大提升。畢竟MCU是運作在單一節點上的，在不添加拓展的情況下，隨著復雜的多軸運算需求越來越高，運作難免會有些乏力。

FPGA在機器人應用上的優勢很明顯，不少廠商也在這塊做了很多年，那么在深入應用上又有哪些突破點值得期待？

FPGA與運動驅控

目前很多機器人本體廠商、機器人控制器廠商用FPGA已經用了很多年了，還有不少本體廠商、機器人控制器廠商現在也在嘗試去使用。首先可以明確的一點是，以目前FPGA的性能來說，用在常規的伺服驅動、控制領域，性能甚至是過剩的。機器人的運動性能不僅和伺服控制相關，還與運動算法以及本體的機械結構密切相關。

就算法而言，目前大多基于CPU + Linux + ROS + EtherCAT這一技術體系設計，將算法模塊從CPU移植到FPGA中，FPGA的優勢并沒有被充分應用，另一方面在機械設計沒有重大革命性進步的情況下，機器人性能的天花板是存在的，難免顯得“過剩”。

常規的FPGA運動驅控已經有很多案例可循了，將FPGA用于實現SVPWM、三環反饋控制，甚至實現驅控一體。我們挑機器人四大家族中的安川來看，作為工業機器人全球市占率排名前幾的廠商，安川的機器人控制器用Intel的FPGA作為ASIC的替代方案。

Intel FPGA提供了各類可配置的嵌入式 SRAM、高速收發器、高速 I/O、邏輯模塊和路由。用在控制上優勢也很明顯，比起復雜函數計算運行在微處理器上，配備板載數字信號處理，在FPGA上執行高速 32 位雙精度浮點運算更容易實現運控所需的精度和速度。Intel FPGA在安川的運控上提供了包括PCI Express在內的多種硬件IP，確保了總線連接的可靠又實現外圍邏輯集成。

這些可以說仍然是對比CPU+操作系統+ROS架構在局部性能的優化，那深入應用可以往哪里突破？如果將在各軸的控制基礎上實時施加變化的微調量，以此實現對各種狀態誤差導致的最終狀態誤差進行補償，將機器人性能進行這種層次的拔高，這或許是超越傳統控制架構FPGA實現深入應用的一個方向。

FPGA與機器視覺

作為FPGA在機器人應用里最火熱的方向，視覺被很多廠商視為FPGA打開機器人市場最好的切入口。在機器視覺設計中，不可避免要和現在主流的SoC進行接口設計，這些接口主要以移動產業處理器接口作為標準，集成MIPI CSI硬核的FPGA往往很吃香，比如國內FPGA廠商易靈思的Trion系列。

在執行圖像處理算法與訓練好的AI模型時，FPGA是與GPU并列的主流方案，而且在功耗方面具備非常大的優勢。并且因為其SOC屬性，能夠和其他各種功能模塊高效協同。從AMD Xilinx的Kria SoM以及瑞薩、易靈思的ProMe SoM來看，目前FPGA廠商很青睞于以System on Module這種形式打入機器人視覺系統。

SoM能提供嵌入式處理系統的各種核心組件，包括處理器內核、通信接口和內存模塊等。從視頻處理到智能傳感到機器視覺，這種模塊化解決方案讓SoM成了嵌入機器人感知系統的理想選擇。SoM與其他器件的配合使用不僅可以完成在機器視覺系統上的局部優化，對于整個機器人設計也能給出基于模塊化設計的優化。不論是不是以SoM形式切入，將這種模塊間的高效協同發揮出最大的效果是FPGA視覺應用值得期待的突破方向。

小結

目前，在FPGA深入應用方面，國內正處在從局部性能優化（伺服驅動器、機器視覺）到系統架構優化轉變的階段。FPGA目前的性能對于機器人應用來說是過剩的，如何在應用中充分發揮出FPGA的性能與協同性，這是“深入應用”的關鍵。