统一且高效的因子图加速器设计在机器人优化中的应用

《ACM Transactions on Architecture and Code Optimization》：Unified and Efficient Factor Graph Accelerator Design for Robotic Optimization

现有机器人加速器设计存在实时性和能耗问题。本文提出统一硬件加速器，通过姿态融合与因子图抽象，集成非线性优化算法处理模块，采用流水线优化、电路结构优化、定点算术和稀疏压缩技术，实现比SOTA方案快107.9倍、省电7.2倍的FPGA实测效果。

　　

摘要

尽管付出了大量努力，但目前用于基于优化的机器人应用的设计方法仍存在局限性，主要体现在实时性能不足和能耗较高方面。一些方法侧重于设计通用矩阵计算单元，但未能充分考虑机器人算法的特定特性；另一些方法则致力于开发专用加速器，虽然能够实现优异的性能，但灵活性有限。为了在通用设计与专用设计之间找到平衡，本文提出了一种硬件加速器。该加速器通过统一的姿态表示方式和因子图抽象技术，能够在同一块电路上同时处理定位、规划与控制等非线性优化问题。通过精心设计的流水线结构、电路优化、定点运算以及稀疏数据压缩技术，该加速器在保证高性能的同时实现了较高的能效。在FPGA上的实验结果表明，与现有的加速解决方案相比，我们的设计实现了高达107.9倍的加速比和7.2倍的能耗降低，同时保持了相似的精度。