Skip to main content

将人工智能扩展到下一代机器人手术领域

人工智能手术机器人

医疗行业始终处于人工智能应用的前沿。例如,1972 年就用于斯坦福大学的推断引起中。它被称为 MYCIN 专家系统, 成功地利用人工智能来根据报告的症状和医学测试结果诊断病人的血液感染情况。

现在,医疗人工智能又来了。这次,正如加州大学伯克利分校、英特尔® 人工智能实验室以及 Google Brain 之间的研究合作伙伴关系所证明的那样,它使手术机器人足够智能,能够执行自动化任务。有一个项目是 Motion2Vec,这是一种部署在达芬奇手术机器人上的半监督表征学习算法,从而学习如何完全自主地缝合伤口。

Motion2Vec 仍在完善中,但总有一天它可以支持比最熟练的人类外科医生更精确的人工智能手术机器人。

机器人系统的隐藏成本

限制完全自主手术机器人技术进步的不是什么 人工智能模型,而是复杂的基本硬件、监管限制以及各种成本。

这些系统中的控制模块通常是专用的,依赖于离散的、固定功能的 CPU、GPU、加密处理器或 ASIC 来完成每个所需的任务。其结果是一个由多个组件组成的复杂系统架构,不仅限制了机器人今天可以做的事情,而且还限制了其在未来的扩展能力。

更糟糕的是,一旦这些设计通过了功能安全标准认证,几乎就是一成不变的。重新认证符合医疗安全标准的时间和成本压倒了可升级性的任何优势。到那时,构建或者购买一套全新的系统通常才行得通。

但带着这样的高价标签,这些系统理应是可以升级的——随着人工智能技术的不断发展,这一事实将变得更加尖锐。问题是,人工智能手术机器人要做的事情如此之多,根本不是一个系统。

“在人工智能机器人系统上,需要有能够识别实时情况的视觉”,Christian Eder 说,他是嵌入式计算机模块的主要供应商 Congatec AG 的市场总监。“所有这些运动控制和实时处理都是必要的,当然,必须保持高度的安全性。所以这是一个非常关键的应用:它将视觉、运动和安全等结合到一起。”

这就是推出第 11 代 Intel® Core vPro® 和 Intel® Xeon® W-11000E Series (之前称为 Tiger Lake H))处理器的意义所在。

集成:下一代机器人技术预测

这些第 11 代处理器通过从根本上将多学科系统整合到 一个10 纳米芯片集克服了多学科系统的难题。这包括异构多核处理性能、低延迟性和确定性通信,甚至还包括功能安全措施,所有这些仅依靠低至 25 W 的可配置热设计功率 (TDP) 即可实现。

在处理方面,产品组合中的设备提供多达八个 CPU。但真正让第 11 代处理器在手术机器人等复杂用例中脱颖而出的原因是其周围的计算功能。

  • 集成英特尔®超核心显卡支持 CV 和/或带有并行选项可更高效地执行任务的 AI 工作负载。显卡单元还释放了 CPU,使其可用于其他任务,例如控制、网络管理和通用计算。
  • 借助英特尔® 虚拟化技术,硬件加速分区允许各种内核、显卡单元以及其他组件作为独立虚拟平台运行。
  • 借助 Intel® 深度学习加速,深度学习推断性能实现了比之前几代更高的性能指导说明。

但是纯粹的性能不是新芯片集支持下一代机器人系统的唯一方式。例如,一旦 Motion2Vec 推理生成输出,就必须在机器人电机和执行器上实时执行该命令,以确保按正确顺序执行程序。

第 11 英特尔处理器利用时间敏感性网络 (TSN) 和英特尔®时间协调计算(英特尔® TCC)来确保硬性实时性能。TCC 同步处理器内的 IP 块,并受到减少抖动和保护实时应用程序免受干扰的工具的支持。

新设备的其他方面特别侧重于功能安全。内置挂钩利用英特尔 ® Functional Safety Essential Design Package(英特尔 ® FSEDP)映射理器硬件和固件,这显着减少了安全认证工作。

高水平的硬件集成和 FuSa 合规性的入径有助于进行更简单、更精简的开发——降低前期组件费用和后期的认证成本。但是,通过升级而不是重新设计机器人系统来实现大量成本节约如何?

标准模块相当于节省开发成本

再好的芯片集性能或集成都无法避免升级到功能更强大的机器人的成本。但是嵌入式硬件标准模块可以。

PICMG COM Express 和 COM-HPC 格是嵌入式计算机模块 (COM) 标准,可利用模块、双板架构。在这两种情况下,底部卡都充当进入类似机器人的系统的 I/O 通路——如果两者之间的接口保持兼容,则允许将顶部处理器模块更换为具有更高性能的模块。

这两种标准之间的唯一区别是 COM Express 服务于现有设计,而 COM-HPC 的架构旨在支持下一代接口、处理器以及随之而来的更高 TDP。

因此,围绕 COM Express 展开设计的开发人员可以轻松采用像 conga-TS570 这样的下一代模块。那些从头开始的开发人员可以通过像 Congatec conga-HPC/cTLH 这样的解决方案利用第 11 代英特尔酷睿处理器的优势。并且在未来,他们可以将其更换为基于下一代芯片集的 COM-HPC 模块,而无需重新设计整个系统。

“这些处理器的妙处在于它们的运行功率范围与上一代英特尔酷睿处理器相同,但我们获得了更高的性能。我们已经在处理器方面实现了这种人工智能加速,” Eder 解释说。“只需一个不需要任何额外电源或任何额外冷却的低功率套件,我们就可以继续保持以前的水平,但却享有更多功能。”

有了支持性硬件基础,像 Motion2Vec 这样的人工智能技术应该会发展到不仅可以帮到外科医生而且在某些情况下可以取代他们的程度。这将使所有人在经济上和地理上都更容易得到医疗服务。

这些文档机器人程序所需要的是一个更灵活的大脑。

作者简介

Brandon is responsible for Embedded Computing Design’s IoT Design, Automotive Embedded Systems, Security by Design, and Industrial Embedded Systems brands, where he drives content strategy, positioning, and community engagement. He is also Embedded Computing Design’s IoT Insider columnist, and enjoys covering topics that range from development kits and tools to cyber security and technology business models. Brandon received a BA in English Literature from Arizona State University, where he graduated cum laude.

Profile Photo of Brandon Lewis