Edge-Controller für autonome Multisensor-Robotik

Der RQX-59 ist ein Embedded-KI-Controller für autonome mobile Systeme, der leistungsfähige Edge-Datenverarbeitung mit synchronisierter Multisensor-Verarbeitung für Robotik, Transportautomation und Forschungsplattformen kombiniert.

Echtzeit-Wahrnehmung in autonomen mobilen Systemen
Autonome mobile Roboter (AMR), fahrerlose Transportsysteme (FTS) und Forschungsplattformen für automatisiertes Fahren benötigen zwei zentrale Fähigkeiten: eine zuverlässige Umfelderkennung und deterministische Echtzeitreaktionen. Diese Systeme basieren auf der Fusion mehrerer Sensorquellen wie Kameras, Radar und LiDAR, deren Daten lokal verarbeitet werden müssen, um Latenzen und Abhängigkeiten von Cloud-Infrastrukturen zu vermeiden.

Der RQX-59 adressiert diese Anforderungen als Teil der ROScube-X-Familie und positioniert sich als Edge-KI-Plattform für ROS-2-basierte Robotik. Er ist ausgelegt für Anwendungen im automotive data ecosystem, bei denen synchronisierte Sensorik und lokale KI-Inferenz entscheidend für Betriebssicherheit und Systemzuverlässigkeit sind.

KI-Rechenleistung auf Basis der Jetson-Architektur
Der Controller basiert auf dem Nvidia Jetson AGX Orin System-on-Module. Dieses kombiniert einen 64-Bit-ARM-Cortex-A78AE-Prozessor mit einer GPU, die über bis zu 2048 CUDA-Kerne und 64 Tensor-Kerne verfügt. Damit können anspruchsvolle KI-Modelle direkt auf dem Gerät ausgeführt werden, darunter:

Mit einem Leistungsbudget ab etwa 40 W eignet sich das System insbesondere für batteriebetriebene mobile Plattformen und ermöglicht den Einsatz komplexer Inferenzmodelle ohne externe Rechenressourcen.

Synchronisierte Multikamera-Verarbeitung und Sensorfusion
Ein zentrales technisches Merkmal des RQX-59 ist die Fähigkeit zur synchronisierten Verarbeitung mehrerer Automotive-Kamerastreams. Unterstützt werden die Schnittstellen GMSL (Gigabit Multimedia Serial Link) und FPD-Link III, die eine hochgeschwindige Videoübertragung mit Frame-Synchronisation über mehrere Datenströme hinweg ermöglichen.

Diese Funktion ist entscheidend für:

Durch die integrierte Synchronisation entfällt zusätzliche Hardware zur Zeitabstimmung, was die Systemintegration vereinfacht und die Robustheit von Multisensor-Fusionsprozessen erhöht.

Konnektivität und Erweiterbarkeit für industrielle Anwendungen
Der RQX-59 bietet eine breite Palette industrieller Schnittstellen für den Einsatz in vernetzten Robotiksystemen. Dazu zählen zwei Gigabit-Ethernet-Ports, sechs USB-3.0-Schnittstellen (davon zwei verriegelbar) sowie serielle Schnittstellen für RS-232 und RS-485.

Für Speicher und Erweiterung stehen M.2-Steckplätze für NVMe-SSDs sowie Funkmodule für WiFi 6, Bluetooth 5.2 und optional 5G zur Verfügung. Je nach Ausführung sind 32 GB oder 64 GB LPDDR5-RAM integriert, ergänzt durch Onboard-eMMC für das Betriebssystem.

Eine erweiterte Variante ermöglicht über eine externe Box die Integration zusätzlicher PCIe-Karten, beispielsweise für weitere Beschleuniger oder Sensorik.

Industrietaugliches Design und Softwareintegration
Das System ist für mobile und fahrzeugbasierte Anwendungen ausgelegt und unterstützt Versorgungsspannungen von 9 bis 36 V mit Verpolschutz. Die Auslegung nach IEC-Normen für Stoß- und Vibrationsfestigkeit unterstreicht die Eignung für industrielle Einsatzbedingungen.

Softwareseitig wird Ubuntu Linux mit Nvidia JetPack bereitgestellt, einschließlich CUDA-Unterstützung, TensorRT-Optimierung und vollständigem Treiber-Stack für Jetson-Hardware. Die Integration in ROS 2 erfolgt über das Neuron-SDK von ADLINK, wodurch der Entwicklungsaufwand für Sensoranbindung und KI-Implementierung reduziert wird.

Relevanz für Robotik und automatisierte Mobilität
Der RQX-59 adressiert Anwendungen, die zuverlässige Edge-basierte Wahrnehmung und Steuerung erfordern, darunter industrielle Automation, Logistikrobotik und Forschungsplattformen für autonomes Fahren. Die Kombination aus synchronisierter Sensorverarbeitung und lokaler KI-Inferenz ermöglicht deterministisches Verhalten bei gleichzeitig geringer Latenz.

Damit unterstützt die Plattform eine zentrale Herausforderung in der digital supply chain autonomer Systeme: die Integration von Wahrnehmung, Datenverarbeitung und Kommunikation in einer kompakten, einsatzfähigen Einheit.

Bearbeitet von der Industriejournalistin Sucithra Mani mit Unterstützung von KI.

www.acceed.com