Eficiencia de hardware en IA de borde para robótica autónoma

La premisa del estudio surgió de la propuesta de sustituir el sistema de posicionamiento RTK GPS, de alta precisión pero elevado coste, en un cortacésped autónomo por un sistema de visión basado en IA. El objetivo era determinar si un robot podría navegar reconociendo el tipo de terreno (hierba, grava, piedra o madera) para decidir cuándo girar.

Para abordar la cuestión de la capacidad computacional requerida, el experimento comparó tres plataformas de IA de borde, abarcando un rango de precio desde aproximadamente 20 hasta 200 dólares. Se evaluó su capacidad para ejecutar modelos de visión artificial capaces de distinguir la hierba de otros tipos de superficies que el cortacésped debería evitar.

La opción más económica, el Seeed Studio XIAO ESP32S3 Sense, cuenta con un microcontrolador ESP32-S3 de doble núcleo (hasta 240 MHz), 8 MB de PSRAM y 8 MB de flash, junto con una cámara OV2640. Dada la limitación de sus especificaciones, los modelos de clasificación de imágenes y detección de objetos se optimizaron y cuantificaron para funcionar como modelos TensorFlow Lite Micro ligeros.

En un punto intermedio, la Sipeed MaixCAM, con un coste aproximado de 80 dólares, opera con Linux e integra aceleración de red neuronal dedicada, alcanzando 1 TOPS (tera operaciones por segundo). Por su parte, la configuración de gama más alta, compuesta por una Raspberry Pi 5 y el Raspberry Pi AI Kit, ofrece hasta 13 TOPS de rendimiento de inferencia gracias a su acelerador Hailo-8L, manejando la captura de imagen con una Raspberry Pi Camera Module 3. El coste de este conjunto ronda los 200 dólares, permitiendo ejecutar modelos más complejos con baja latencia y tasas superiores a 30 fotogramas por segundo.

Si bien la combinación de Raspberry Pi y Hailo demostró la mayor capacidad de procesamiento en bruto, el hallazgo principal del experimento es que este nivel de rendimiento no resultó indispensable para la tarea específica. El sistema ESP32-S3, significativamente más económico, fue capaz de realizar el trabajo siempre que el modelo, la resolución y la complejidad de la tarea se mantuvieran dentro de sus límites. Esto sugiere que para aplicaciones como la clasificación simple de terreno en un cortacésped autónomo, una alta tasa de fotogramas por segundo o grandes redes neuronales pueden no ser requisitos críticos, destacando la importancia de la optimización y la selección adecuada del hardware en función de la necesidad real.