Estudio de implementación de SoCs sobre FPGAs de bajo coste para aplicaciones de IA (Inteligencia Artificial)

Abstract

El interés actual por trasladar el grueso de la computación de multitud de aplicaciones al borde (Edge Computing), en particular en sistemas basados en Inteligencia Artificial y Machine Learning IA/ML, responde a la necesidad de garantizar la respuesta en tiempo real y la seguridad de los sistemas en caso de fuga de información, requisitos que la computación en la nube (Cloud Computing) no puede satisfacer. Los sistemas ADAS (Advanced Driving Assistance Systems) son un campo de aplicación creciente que responde a esta demanda, con requisitos muy exigentes en términos de coste, consumo, velocidad y seguridad, que un sistema en el borde puede satisfacer.

Este trabajo forma parte de un proyecto que investiga la aplicabilidad de las imágenes hiper-espectrales para mejorar las prestaciones y la robustez de los ADAS. En concreto, se estudian diferentes opciones de IPs de microprocesadores de licencia abierta para el diseño de SoCs (System-On-Chip) sobre FPGAs de gama baja/media con aplicación al procesamiento de imágenes hiper-espectrales. Como alternativa a los microprocesadores "Softcore", también se ha estudiado un SoC basado en un microprocesador "Hardcore", en concreto un PSoC de Xilinx de la Familia Zynq-7000.

En primer lugar, el trabajo caracteriza el rendimiento de los microprocesadores analizados en una tarea de preprocesamiento de imágenes requerida en cámaras hiper-espectrales de 25 bandas de tipo snapshot con filtro en mosaico. En segundo lugar, se utiliza una arquitectura de SoC genérica con DMAs para analizar la forma óptima de transferir información entre los diferentes IP Cores que conforman el diseño y la memoria externa. Durante el desarrollo del trabajo también se han explorado varias herramientas de diseño de código abierto utilizadas en la síntesis/simulación/verificación de diseños HDL como alternativa a herramientas comerciales de mayor implantación.

Egun, aplikazio ugarien konputazio-zamak ertzera eramateko (Edge Computing) interes handia dago, bereziki Adimen Artifizialean eta Machine Learning-ean (AA/ML) oinarritutako sistemetan. Joera horren arrazoi nagusia informazio-ihesak ekiditea, segurtasuna bermatzea eta sistemen denbora errealeko erantzuna bermatzea dira, hodeian konputatzeak (Cloud Computing) ezin bai ditu baldintza horiek bete. Gidatzen laguntzeko sistema aurreratuak edo ADAS (Advanced Driving Assistance Systems) gero eta aplikazio-eremu garrantzitsuagoa da, eta eskari horiei erantzun behar dioten sistemak garatzea eskatzen du, oso eskakizun zorrotzak bai dituzte kostuari, kontsumoari, abiadurari eta segurtasunari dagokienez.

Lan hau ADASen prestazioak eta sendotasuna hobetzeko irudi hiper-espektralen aplikagarritasuna ikertzen duen proiektu baten parte da. Zehazki, gama baxu/ertaineko FPGAtan irudi hiper-espektralak prozesatzeko SoCak (System–On-Chip) gauzatzeko lizentzia irekiko mikroprozesadoreen IPen hainbat aukera aztertzen dira. Nukleo “bigun” edo softcore mikroprozesadoreen alternatiba gisa, nukleo zurrun edo hardcore mikroprozesadorean oinarritutako SoC bat ere aztertu da, zehazki Zynq-7000 familiako Xilinxen PSoC bat.

Lehenik eta behin, lana honek analizatutako mikroprozesadoreen errendimendua ezaugarritzen du mosaiko iragazkia duten snapshot motako 25 bandako kamera hiper-espektraletan beharrezkoa den irudien aurre-prozesamenduko ataza batean. Bigarrenik, DMAak dituen SoC generikoko arkitektura bat erabili egin da kanpoko memoria eta sistema osatzen duten IP nukleo desberdinen artean informazioa transferitzeko modurik egokiena aztertzeko. Lana garatu bitartean, HDL diseinuen sintesian/simulazioan/egiaztapenean erabiltzen diren kode irekiko diseinu-tresnak ere aztertu dira, ezarpen handieneko tresna komertzialen alternatiba gisa.

The current interest in moving the bulk of the computing of a multitude of applications to the edge (Edge Computing), particularly in systems based on Artificial Intelligence and Machine Learning (AI/ML), responds to the need to ensure real-time response and security of systems in case of information leakage, requirements that Cloud Computing cannot satisfy. ADAS systems are a growing field of application that responds to this demand, with very demanding requirements in terms of cost, consumption, speed and security, which a system at the edge can satisfy.

This work is part of a research proyect about the applicability of hyperspectral imaging to improve the performance and robustness of ADAS. Specifically, different options of open license microprocessor IPs are studied for the design of SoCs (System-On-Chip) on low/mid-range FPGAs with application to hyperspectral image processing.As an alternative to "Softcore" microprocessors, a SoC based on a "Hardcore" microprocessor, in particular a Xilinx PSoC of the Zynq-7000 Family, has also been studied.

First, the work characterizes the performance of the analyzed microprocessors on an image preprocessing task required on 25-band snapshot-type hyperspectral cameras with mosaic filtering. Secondly, a generic SoC architecture with DMAs is used to analyze the optimal way to transfer information between the different IP Cores that make up the design and the external memory. During the development of the work, several open source design tools used in the synthesis/simulation/verification of HDL designs have also been explored as an alternative to more widely deployed commercial tools.