RobotCore e a aceleração híbrida: o que o design espanhol traz à robótica autónoma

A transição da robótica industrial fixa para a inteligência artificial física exige que os robôs processem grandes volumes de dados sensoriais em tempo real. Ao contrário dos centros de dados, os robôs operam sob restrições estritas de tamanho, peso e potência (SWaP), o que limita a capacidade de dissipação térmica e a autonomia da bateria. Neste contexto, a inferência de modelos de visão por computador e o planeamento de trajetórias tornam-se os principais consumidores de recursos energéticos.

De acordo com projeções da Gartner citadas pela QNV Solutions, o Edge computing processará 75 % dos dados gerados por aplicações industriais até 2025. Esta migração para a borda da rede obriga os engenheiros a abandonar a dependência exclusiva da nuvem e a otimizar o hardware local. A capacidade de um robô de reagir em milissegundos a um obstáculo ou a uma mudança na linha de produção depende diretamente da eficiência do seu substrato de computação, não apenas da qualidade dos seus algoritmos.

Em setembro de 2022, a empresa basca Acceleration Robotics apresentou o RobotCore, uma unidade de processamento para robôs (RPU) desenhada integralmente em Espanha. Ao contrário das placas de desenvolvimento genéricas, esta arquitetura é especializada em acelerar as cargas de trabalho do sistema operativo de robôs (ROS 2). O design integra 16 núcleos de CPU, uma GPU e um sistema de aceleração baseado em FPGA, buscando um equilíbrio entre a potência bruta do processamento paralelo e a flexibilidade da lógica programável.

A colaboração com o professor Vijay Janapa Reddi da Universidade de Harvard e o Harvard Edge Computing Lab foi crucial para definir uma arquitetura aberta independente do fornecedor. O objetivo declarado é democratizar o acesso à aceleração de hardware, permitindo que os desenvolvedores de robótica não dependam de um único ecossistema de silício. Esta independência é crucial para evitar o vendor lock-in e facilitar a integração de novos sensores ou algoritmos sem redesenhar a placa base completa.

A escolha de incluir um FPGA na arquitetura responde a uma necessidade técnica específica: o determinismo temporal. Enquanto uma GPU oferece um desempenho bruto superior para o treino de modelos e a inferência massiva, a sua latência pode variar consoante a carga de trabalho. Em aplicações robóticas críticas, como o controlo de estabilidade de um drone ou a travagem de um veículo autónomo, a variabilidade da latência é inaceitável. O FPGA permite configurar hardware específico para fluxos de dados concretos, garantindo tempos de resposta constantes.

A investigação académica, como a publicada em Robotic Computing on FPGAs, destaca que os FPGAs oferecem uma combinação única de baixo consumo energético, alta reconfigurabilidade e fiabilidade. Para cargas de trabalho com padrões de acesso à memória previsíveis, a arquitetura regular das GPUs é eficiente; no entanto, para dados não estruturados ou protocolos de comunicação personalizados, o design FPGA à medida é frequentemente superior. A arquitetura híbrida do RobotCore tenta capturar o melhor dos dois mundos: a GPU para a inferência de redes neuronais e o FPGA para o controlo em tempo real e a interface com sensores.

O mercado de matrizes de portas programáveis em campo (FPGA) foi avaliado em 13,8 mil milhões de dólares em 2025, com uma projeção de crescimento até aos 41,1 mil milhões em 2035, segundo a Global Market Insights. Este crescimento é impulsionado pela procura de computação na borda e pela necessidade de aceleração específica em setores como a automação e a robótica. Neste cenário, as soluções comerciais da NVIDIA (como a série Jetson) e da AMD (com a sua plataforma Kria) dominam o mercado de placas de desenvolvimento para IA física.

A concorrência não é apenas tecnológica, mas também geopolítica. A Ásia, particularmente a China, o Japão e a Coreia do Sul, está a acelerar a corrida para levar os robôs da exposição para as fábricas. A China instalou 295.000 robôs industriais em 2024, o que representa 54 % do total global. Neste contexto, a proposta espanhola do RobotCore posiciona-se como uma alternativa europeia que busca oferecer suporte de grau industrial e documentação detalhada, diferenciando-se das soluções de propósito geral que frequentemente exigem um investimento enorme em integração por parte do cliente final.

Apesar das vantagens teóricas, a adoção massiva de aceleradores híbridos enfrenta barreiras de integração. O desenvolvimento de software para FPGAs é mais complexo do que para GPUs, requerendo conhecimentos especializados em linguagens de descrição de hardware (HDL) ou ferramentas de alto nível como OpenCL. A curva de aprendizagem para os engenheiros de robótica, acostumados a ambientes de software puro, pode ser uma fricção significativa. Além disso, a escalabilidade industrial exige certificações de robustez (temperatura, vibração, humidade) que as placas de laboratório nem sempre possuem.

A maturidade do ecossistema de software é outro fator crítico. O ROS 2 está em constante evolução, e manter a compatibilidade dos drivers de hardware com as novas versões do sistema operativo requer um esforço de engenharia contínuo. A promessa da Acceleration Robotics de oferecer suporte de grau industrial é uma vantagem competitiva chave, mas a sua validação a longo prazo dependerá da capacidade da empresa para manter uma base de utilizadores ativa e resolver problemas de integração em ambientes de produção reais, para além dos casos de uso de demonstração.

O impacto real da inovação nacional na cadeia de valor da robótica será medido pela sua capacidade de reduzir o custo total de propriedade (TCO) dos robôs autónomos. Se a arquitetura híbrida permitir uma maior autonomia operacional ou uma redução no consumo energético, isto traduzir-se-á numa maior viabilidade económica para os operadores. A redução do desgaste mecânico e a melhoria na precisão dos movimentos, facilitadas pelo controlo determinístico do FPGA, podem prolongar a vida útil dos equipamentos, um fator decisivo nas decisões de investimento industrial.

Para os gestores de I&D, os sinais verificáveis de sucesso incluem a disponibilidade de documentação técnica exaustiva, a existência de uma comunidade de desenvolvedores ativa e a presença de casos de uso em setores regulados como a defesa ou a aeroespacial. A colaboração com instituições de prestígio como Harvard e as apresentações em fóruns internacionais como a conferência no Japão de outubro de 2022 são indicadores positivos da solidez técnica do projeto. No entanto, a transição da demonstração técnica para a comercialização em larga escala continua a ser o principal desafio para consolidar a posição do RobotCore num mercado global altamente competitivo.