Token导航 LogoToken导航

AI 资讯 · 电子工程世界

机器人MPU受关注,瑞萨推出RZ-T2N系列

更新 2026-11-18电子工程世界正文 3919字阅读约 13分钟8 张图片
围绕机器人主控芯片的AI算力战争,早就打响,数百TOPS已经不再罕见。不过,机器人并不只有一个“大脑”。

比如,人形机器人除了视觉、导航和决策,还需要控制全身几十个关节。再比如,工业机器人控制器不仅要执行复杂的运动轨迹,还需要与伺服驱动器、传感器和工业网络持续交换数据。这些运动控制,更看重确定性时延、实时响应和系统可靠性。

11月5日,瑞萨电子推出RZ/T2N系列MPU,将双核Cortex-A55、双核Cortex-R52、四轴电机控制以及工业以太网功能集成在一颗芯片中。这款产品能够同时承担Linux应用处理和实时运动控制任务,也反映出机器人MPU正在发生的变化。

机器人究竟需要怎样的MPU?不同厂商又在做出怎样的选择?今天EEWorld来详细盘点。

为什么机器人需要MPU

工业机器人使用的伺服电机,需要在规定的PWM载波周期内完成电流环控制。具体来说,控制器需要采集流经电机的电流值和电机位置信息,并根据计算结果设置三相PWM定时器的输出。

由于工业机器人必须针对每个运动轴分别执行电流环控制,因此对控制系统的实时性和确定性提出了很高的要求。

传统工业机器人通常采用支持并行处理的FPGA,或者使用多颗MCU,实现多个运动轴的电流环控制。此外,工业以太网通信也需要适合实时处理的CPU,以保证不同设备之间的精确同步。

因此,芯片厂商开始推出异构的MPU,将应用处理、实时运动控制和工业网络通信整合到同一颗MPU中,减少对外部FPGA、独立MCU及工业以太网ASSP的依赖。

对于人形机器人来说,四肢/头部区域MCU负责实时电机闭环、传感器原始数据预处理;MPU统筹全局运动规划、SLAM、大模型推理与云端交互,分层降低通信带宽占用。

不同厂商对机器人MPU的理解

目前,机器人MPU还没有形成统一的技术路线。从各家厂商的产品布局来看,虽然都在强调异构计算、实时控制和工业通信,但对MPU在机器人系统中应该承担什么任务,各家的理解存在明显差异。

瑞萨:一颗MPU,最多控制九轴电机

11月5日,瑞萨发布RZ/T2N系列MPU。配备双核Arm Cortex-A55 CPU,主频为1200MHz,用于应用处理;同时集成两颗主频为800MHz的Arm Cortex-R52 CPU,负责实时控制。芯片集成了丰富的电机控制外设,可通过Cortex-R52 CPU进行低延迟访问,最多支持4轴电机控制。

在电机控制方面,RZ/T2N提供8通道绝对值编码器接口、15通道ΔΣ接口和多种电机控制外设,最多支持四轴电机控制。此外,芯片集成三端口千兆以太网交换机,支持TSN、EtherCAT、PROFINET RT/IRT和EtherNet/IP等工业通信技术,并支持HSR、PRP、FRER等网络冗余机制。

按照瑞萨的介绍,RZ/T2N能够同时承担工业网络控制器和设备端的任务,适用于工业机器人、多轴伺服驱动器和PLC等设备。通过将应用处理、运动控制和工业通信整合在同一颗芯片中,可以减少传统多芯片方案所需的元器件数量。

通过在单颗芯片上集成多轴电机控制和工业以太网通信功能,RZ/T2N能够简化系统架构,减少物料清单(BOM)中的元器件数量,从而帮助开发人员降低工业机器人、伺服驱动器和运动控制系统等工业设备的设计复杂度。

图片

TI:让实时控制和工业通信拥有专用处理单元

TI Sitara系列的特点,则是将实时处理器与可编程工业通信子系统结合起来。以AM64x系列中的AM6442为例,采用双核Cortex-A53,最高主频1GHz,搭配四核Cortex-R5F,最高主频800MHz,并集成一颗Cortex-M4F处理器。

AM64x最有特点的部分,是PRU-ICSSG(Programmable Real-Time Unit and Industrial Communication Subsystem Gigabit,千兆可编程实时单元与工业通信子系统)。

PRU-ICSSG内部包含专门的可编程实时处理单元,以及工业以太网、时间同步、位置反馈等相关硬件。根据TI资料,AM6442最多集成两组PRU-ICSSG,每组包含六个PRU RISC处理核心,并配备工业以太网端口、时间戳及同步单元、编码器接口和ΔΣ滤波等功能。

图片

NXP:从运动控制走向机器人系统计算

i.MX 8和i.MX 9系列是NXP面向机器人的主要MPU产品。i.MX 8系列采用多核Arm Cortex架构,可承担机器人操作系统、运动规划、视觉处理和人机交互等任务。新一代i.MX 9系列则进一步强化了异构计算、边缘AI、实时控制和功能安全能力。

图片

其中,比如i.MX 95采用16nm FinFET工艺制造,集成六核Arm Cortex-A55应用处理器、一颗Arm Cortex-M7实时处理器以及一颗Arm Cortex-M33处理器。通过异构多核设计,芯片能够根据不同任务的计算需求分配处理资源,同时运行复杂应用程序和实时控制任务。

在AI计算方面,i.MX 95集成了NXP eIQ Neutron神经网络处理单元(NPU),能够加速边缘神经网络推理,满足机器视觉、目标识别和智能感知等应用的需求。

在网络连接方面,i.MX 95集成一个10GbE以太网接口和两个千兆以太网接口,支持时间敏感网络(TSN)、音视频桥接(AVB)、IEEE 1588时间同步以及节能以太网(EEE)。

图片

ST:从MCU生态延伸到Linux与边缘AI

在工业控制领域,STM32系列MCU已经广泛应用于电机控制、传感器采集和工业通信等场景。随着设备对Linux、图形界面和边缘AI的需求增加,ST也在通过STM32MP系列,将原有的嵌入式开发生态延伸到应用处理器市场。

ST提供以STM32MP系列微处理器为主控、STM32系列MCU负责局部实时控制的分布式处理方案。通过将整机计算与关节控制、传感器数据采集等任务分开,可以减轻主处理器的负担,同时降低不同子系统之间的通信带宽需求。

在整机主控方面,ST主要推荐STM32MP25和STM32MP15两款MPU,分别面向高端商用人形机器人和入门级教育机器人。

其中,STM32MP25采用双核Arm Cortex-A35应用处理器与Cortex-M33实时处理器相结合的异构架构,能够兼顾Linux应用运行与实时控制需求。Cortex-A35主要承担运动规划、机器人上层应用及通信管理等任务,Cortex-M33则可处理对实时性要求较高的控制任务。此外,STM32MP25支持具备TSN能力的工业以太网接口,有助于实现机器人不同控制节点之间的时间同步与确定性通信,为多关节协同控制提供支持。

图片

STM32MP15则主要面向教育机器人及入门级开发平台。该系列拥有较为成熟的软件生态,能够满足基础运动规划、简单视觉交互和机器人原型开发等需求,同时有助于控制系统成本。

图片

软件生态也是ST机器人处理器方案的重要组成部分。STM32MP系列可基于Linux构建机器人应用,并支持ROS 2相关开发,方便开发人员集成机器人通信、运动规划等软件组件。结合STM32Cube开发工具及相关软件包,开发人员可以分别完成主控平台、区域控制器及外设的开发与调试。

Microchip:机器人MPU不一定需要高算力

在高性能异构MPU之外,机器人市场也存在对低功耗、低成本应用处理器的需求。

Microchip的SAMA7G54就是另一种思路。这款MPU采用单核Cortex-A7,最高主频1GHz,提供外部DDR接口、千兆以太网、CAN FD、USB以及图像传感器接口等功能。

根据Microchip资料,SAMA7G54提供六路CAN FD、两组以太网MAC,以及四通道PWM等外设。

图片

瑞芯微:从视觉和AI计算切入机器人

国产应用处理器也在寻找机器人市场的机会。其中,瑞芯微RK3588是一款具有代表性的产品。

RK3588采用四核Cortex-A76与四核Cortex-A55组合,集成Mali-G610 GPU以及最高6 TOPS(INT8)的NPU,同时支持多种摄像头接口、视频处理和高速存储接口。

根据瑞芯微公开的数据,RK3588还支持LPDDR4/LPDDR4X/LPDDR5内存,具备较强的多媒体处理和AI推理能力。RK3588并不是专门面向多轴伺服控制设计的工业实时MPU

图片

三条技术路线

总结来看,目前机器人MPU呈现出三条技术路线:

第一条是实时运动控制型MPU,以瑞萨RZ/T和TI AM64x为代表。这类产品重点解决多轴控制、实时通信和确定性响应问题,强调将过去分散在不同芯片中的功能整合起来。

第二条是异构应用型MPU,以NXP i.MX 95、ST STM32MP25为代表。这类产品需要运行Linux和复杂应用,同时通过实时内核处理部分控制任务,并引入视觉、AI和安全功能。

第三条是应用计算型MPU/SoC,以瑞芯微RK3588为代表。这类产品主要承担机器人视觉、导航和AI推理任务,通常需要与外部实时控制器协同工作。

从技术来看,未来机器人MPU可能会有这样的趋势:一是异构计算,不同架构各有分工,应用处理器负责视觉感知、路径规划等复杂计算,实时处理器负责运动控制和安全监控,从而兼顾计算性能与实时性;二是工业通信与运动控制的进一步集成,随着机器人关节数量增加,EtherCAT、TSN、时间同步和编码器接口的重要性也在提高,更高的集成度也对任务隔离、实时调度和功能安全提出了更高要求;三是AI计算能力不断提高,部分MPU已经集成NPU,AI推理、运动规划与实时控制能否进一步集成到同一颗SoC中值得关注。

#机器人#MPU#瑞萨#TI#NXP#Microchip#瑞芯微

精彩文章推荐

· END ·

文章标签机器人芯片

资讯来源:由AI资讯编辑整理自互联网公开内容,版权归原作者所有,未经许可,不得转载。