昇腾CANN：为你开启机器人开发的Buff 加成

摘要：昇腾AI提供了全栈技术和产品，构筑人工智能的算力基座，赋能上层应用

本文分享自华为云社区《昇腾CANN：为你开启机器人开发的Buff 加成》，作者：华为云社区精选。

昇腾AI基础软硬件平台

人类在最近1万多年的发展中，经历了农耕时代、蒸汽机时代、电力时代、互联网时代，21世纪，进入了人工智能时代。

每一次科技浪潮都通过某一项先进生产力要素的突破，进而引起大多数行业的变革：以信息技术为核心的第三次科技革命迄今已逾70年，整个将全球GDP提升约60倍，其中1950年－1990年，是半导体产业迅猛发展的时代，推动了大型计算机向个人PC的小型化；1990年至今是近30年的互联网全球化时代，互联网技术作为过去30年最先进的生产力要素，改变了全球的所有人、所有产业、社会经济，甚至是政治、军事、宗教。

那么接下来到底什么样的革命性技术可以引领人类社会，推动全球经济向上增长？

我们的答案是，我们早已处于人工智能时代之中。

就像直到2010年iphone4发布，绝大多数人也并未意识到移动互联网革命早已开始一样，如今人工智能其实也已广泛应用，比如到处遍布的摄像头和手机人脸识别，微信语音和文本转换，抖音动态美颜特效、推荐算法，家庭扫地机器人和餐厅送餐机器人，背后都是人工智能核心技术在过去十年不断取得的巨大突破。

机器人作为人工智能的实体化，也将拥有广泛的产业应用

机器人普遍存在的意义是“为人类服务”的可运动智能设备，包括机器人对于人类劳动的替代、完成人类所无法完成任务的能力延伸以及情感陪伴等价值。

面对人类对于物质及精神永不停止的需求增长，相比于元宇宙，机器人将会是“现实宇宙”中的最佳供给方案。

今年，各科技巨头都推出了机器人方案，比如马斯克推出人形机器人，并表示可以把特斯拉堪称世界上最大的机器人公司，百度也发布了汽车机器人概念车，并计划量产，其他各公司也在各自垂直领域推出自己的机器人产品。

AI加持，将会带给机器人两大质变。

（1）智能化大幅提升

可软件升级：智能化机器人能够通过软件算法的迭代持续提升性能；这让机器人的能力理论上是没有上限的

规模效应：机器人应用规模越大，收集数据越多，算法迭代越完善，机器人越好用

可适用性大幅增加：机器人智慧程度线性增加，可适用的场景及价值将会指数增加

（2）智能化带来的场景适用性提升

其中AI技术将会是机器人全面爆发的最大变量，机器人产业的爆发极有可能是新物种引领；例如近三年全面爆发的机器人项目，在10年前几乎不存在（例如九号公司、石头科技、普渡、擎朗、云迹、高仙、梅卡曼德、极智嘉等）。

如何评判一个新技术是否能引领未来的发展方向？我们要看它能否从本质上解放生产力、发展生产力。

蒸汽机之所以推动了第一次科技革命，是因为其极大的提升了劳动生产力，并将大量劳动人口从第一产业农业的低级劳动中解放出来，进入第二产业工业。电力加速了这一过程，并推动了第三产业服务业的出现和发展。信息技术将更多的人口从第一、二产业中释放，进入第三产业，于是形成了如今全球第三产业GDP占比55％，中国第三产业劳动人口占比50％的格局。

机器人即是人工智能技术的硬件形态，在可见的未来，将第一二三产业的劳动人口从低级劳动中大比例释放和替代，并在这个过程中推动全球GDP继续百倍增长。

人工智能从模块上可分为感知、计算和控制三大部分，由表及里可分为应用层、数据层、算法层、算力层。对此，我们昇腾AI提供了全栈技术和产品。

我们昇腾AI提供了全栈技术和产品，构筑人工智能的算力基座，赋能上层应用：

1、作为算力的基础，昇腾AI提供了一系列的硬件产品，这些硬件覆盖端、边、云场景。

2、在硬件之上，就是AI异构架构CANN，它是昇腾AI硬件的使能层，也是芯片澎湃算力得以释放的关键。CANN对下适配不同形态的硬件，提供统一的编程接口，并将多样化的计算模式分配到不同特性的处理器上（CPU/NPU），充分发挥硬件的计算性能；CANN对上适配不同的AI框架，以使能多样的算法和应用需求，发挥着承上启下的关键作用。

3、在AI框架这一层，华为提供了昇思MindSpore框架，更好的适配昇腾硬件架构；此外，还支持TensorFlow、PyTorch等第三方框架。

4、在AI框架之上，昇腾AI全栈中提供了供应用使用的各类SDK，以便应用到各行各业，例如面向智能制造、工业质检等场景的Mind X SDK，优选的训练和推理模型库Model Zoo，和AI云服务ModelArts，等。

5、最后，昇腾AI全栈软件也提供了全流程的工具链MindStudio，全方位辅助开发者进行业务开发、模型开发、算子开发，以及相关的调试调优；在昇腾社区，可以获取更多的文档和资源。

在昇腾全栈中，提供了适配训练、推理场景的昇腾AI处理器，基于不同的昇腾AI处理器，使能了一系列的昇腾产品，包括面向数据中心的集群、训练服务器、推理服务器等，面向边缘场景的AI加速模块、智能小站等。

通过这些昇腾系列产品，使能全场景AI，包括AI计算中心、智能巡检等。

昇腾AI异构计算架构CANN

有了昇腾AI的硬件，还需要有相应的软件使能层，才能将计算系统有效运转起来。接下来介绍一下昇腾AI异构计算架构 CANN(Compute Architecture for Neural Networks)。

CANN作为最接近昇腾AI系列硬件产品的一层，通过软硬件联合设计，打造出适合昇腾AI处理器的软件架构，充分使能和释放昇腾的澎湃算力。

我们把CANN内部结构打开来看：

首先，整个异构计算架构对上要提供统一的面向应用的编程语言，充分暴露昇腾AI基础软硬件的能力，满足上层的业务开发需求，如深度学习框架对接、推理应用开发等。为此，CANN提供了一套标准的AscendCL（昇腾计算语言）开发接口，覆盖算子开发、图开发、应用开发的需求。它可以屏蔽底层多种芯片的差异，提升整个编程的易用性，也使得代码在不同型号的昇腾AI处理器上可以得到最大程度的复用，降低开发者的重复劳动。

接口层之下是昇腾计算服务层（Ascend Computing Service Layer）。这一层提供了高性能的算子库AOL，以及昇腾调优引擎AOE，是昇腾AI处理器能够支持多种多样的人工智能算法、并优化执行性能的基础。

再往下是昇腾计算编译层（Ascend Computing Compilation Layer）。这一层完成计算图和算子的编译，将用户的模型和算子编译成可以在昇腾AI处理器上执行的格式。

编译的结果由昇腾计算执行层（Ascend Computing Execution Layer）运行，通过Runtime和图执行器，实现各硬件单元的高效调用，完成计算任务。

最后是昇腾计算基础层（Ascend Computing Base Layer），提供操作系统、SVM共享虚拟内存、主从通信等基础服务。

在一个推理业务的典型开发流程中，往往会先进行模型压缩处理，再进行模型编译优化，然后是代码开发，最后在硬件平台运行。CANN对整个开发过程提供了完备的支持。

• 对于模型压缩需求，CANN提供压缩工具AMCT，实现模型的瘦身。

• 在模型编译阶段，CANN提供编译工具ATC和智能调优引擎AOE，完成模型的编译和自动调优

• 在代码开发阶段，基于CANN的ACL统一开发接口，实现多样算力的调用

• 最后到了运行环境，CANN通过ACE执行引擎，调度异构资源，高效执行业务

发应用、构建模型、开发算子。

1、在应用开发场景下，通过AscendCL的应用开发接口，可调用深度学习推理计算、图像图像预处理、单算子计算加速能力，实现业务逻辑。

典型的场景是，用户可以基于训练好的模型，调用AscendCL提供的接口，开发各类推理应用，简单的如目标检测、图像分类，复杂的如自动驾驶、视频智能解析。

除此之外，基于AscendCL的应用开发接口，还能通过单算子调用的方式，实现Pytorch等第三方框架的对接；用户也可以基于AscendCL的接口，开发第三方lib库和插件，调用昇腾AI处理器的能力加速业界流行的计算库。

需要指出的是，AscendCL编程接口屏蔽了不同型号的昇腾AI处理器的差异，使得一套应用代码可以运行在多款昇腾AI硬件上，最大限度的保护用户开发的资产。当然，针对昇腾AI处理器硬件的演进，AscendCL接口也会有相应的演进，包括在不同硬件上有规格的差异，在不同款型的硬件上迁移时可能需要进行一些调优工作，以取得最佳的性能表现。

2、在模型构建场景下，AscendCL提供了统一的中间表达和网络构图接口，可以表达多种框架的计算图，支持用户在昇腾芯片上快速部署神经网络业务。

例如，用户可基于这套构图接口和算子原型进行构图，并编译为离线模型，用于在昇腾AI处理器上进行离线推理。

另外，也可以通过框架解析功能将主流的模型格式转换成CANN模型格式，从而隔离上层框架的差异，当前主要支持对Caffe/Tensorflow/ONNX原始框架模型的解析。

3、在算子开发场景下，AscendCL提供了多种算子开发方式，包括DSL（ Domain-Specific Language ，基于特性域语言）、TIK（ Tensor Iterator Kernel，张量嵌套内核）、AI CPU等，基于不同的开发语言，满足不同开发者的需求。这一部分将在后续的关键特性介绍章节详细说明。

对典型应用，可以抽象出主要的接口和调用流程，如图所示。其中模型推理、单算子调用走不同的接口调用流程。

首先是调用初始化接口，完成系统初始化；然后申请内存等必备的运行资源；
对于模型的推理，需要调用接口加载事先转换好的离线模型om文件；
如果模型对输入图片的宽高要求与用户提供的源图不一致，则需要媒体数据处理，将源图裁剪成符合模型的要求；
对于模型推理的输出，需要从推理结果中查找最大置信度的类别标识对图片分类，这里可以用单算子调用接口进行加速；
工作结束后，需要卸载模型、释放运行资源，最后是调用接口实现系统的去初始化

通过前面的介绍，相信大家对于CANN提供的推理开发工具、开发流程已经有了了解。而对于人工智能的训练任务，CANN也提供了完备的工具和支持。

包括开源模型下载，自动化模型迁移，高度工具化调测，智能性能调优，最终在昇腾上运行。

经过长期积累，CANN 5.0已经全面支持了业界的主流AI模型，并在昇腾社区的Model Zoo提供500多个经过性能优化的模型下载。

对于用户私有的网络，CANN也提供了模型迁移工具，可以自动完成脚本的迁移转换，而不需要手工修改代码。

此外，CANN还提供了多种自动化的调测工具，支持数据异常检测、融合异常检测、整网数据比对，帮助开发者定位问题。

再结合前面提到的AOE工具，可以对算子和模型进行自动化的搜索优化，帮助用户取得极致性能。

昇腾CANN机器人开发项目

接下来我们分享一些基于昇腾软硬件开发的机器人项目。

（轮式巡检机器人入住公司展厅、参展WAIC、MWC、HC、HDC）

（沙漠植树机器人 CCTV、上海电视台报道、外交部发言人赵立坚微博视频发布）

（华为研究所室外机器狗送咖啡场景）

（层规划控制算法跨越不连续地形）

基于昇腾AI，我们做了一些机器人项目。

（四足机器人+ 机械臂复合机器人危险场景巡检处置江苏电视台报道 ）

昇腾创想日的机器狗+机械臂的复合机器人现场直播展示，这里面我们是模拟了一个发行险情的封闭室内环境，机器狗进入室内，查看险情，并用机械臂切断电源的一个演示。

（石子路地形）

（上斜坡 下阶梯）

（草地 石板路 停车场）

目前我们正在推进的是强化学习机器狗控制这块，这个项目的来源也是来自廖博，在我们做传统控制方法，并给廖博做了相关的汇报。

还有一个是我们在南京，昇腾创想日的机器狗+机械臂的复合机器人的现场展示，可能线上有一些朋友是在现场看过，这里面我们是模拟了一个发行险情的封闭室内环境，机器狗进入室内，查看险情，并用机械臂切断电源的一个演示。

（四足机器人硬件）

好的，看完这几个视频的演示，我们就进入今天的正式的内容，说到机器人，肯定离不了和硬件打交道，首先从机器人的硬件开始介绍，大家可以有一个基础的了解。其中传感器、执行器、通信模块、计算单元。

（计算控制单元）

（基于昇腾CANN的智能复合机器人方案）

机器人控制算法

接下来我以四足机器人的控制为主，分享相关算法。

（基于模型机器狗运动控制系统算法框图）

（上层定位、导航数据流图）

（传统运动控制流程）

（基于事件的步态调度器）

（摆动腿规划与控制）

（四足机器人动力学模型）

其中，一个是平移动力学模型，一个是角动量模型。表示机器人位置：fi表示机器人受到反作用力，cg表示机器人重力，m是机器人的身体质量，nc是接触的数量，I是转动惯量张量，w是躯干的角速度，ri是第i个接触点相对于到机器人的CoM，相当于接触力的臂。

（站立腿控制器）

（位姿调整）

根据接触模式切换，预测支撑域，并调整质心位置。多边形质心偏离接近其结束的stance腿，和朝向即将触地的腿。

（Whole Body Control）

WBC 的英文全称为 Whole Body Control。为了降低运动控制算法的复杂性，控制任务通常会被分解为一组较为简单的任务，如保持平衡的躯干姿态控制，摆动相的足底轨迹跟随，或者用于防止滑动的接触力约束。每一个任务往往都需要多个驱动关节配合完成，同时每一个驱动关节又同时服务于多个任务，适应这种任务分解的理论框架是全身控制（WBC）。一般来说，为实现一组任务，所有驱动关节都能得到控制信号的控制系统都可以称作全身控。