FPGA
- Aussi appelé: field-programmable gate array
- Catégorie: Control › Feedback control
- Mots-clés: embedded-hardware, hardware-acceleration, edge-computing, real-time, neural-network-inference
Réseau de portes programmable sur site (field-programmable gate array) : puce de logique, de mémoire et de routage configurables, câblée en circuit numérique sur mesure par le chargement d'une configuration, au lieu d'exécuter un programme.
Définition
Un FPGA (field-programmable gate array), ou réseau de portes programmable sur site, est un circuit intégré dont la logique est définie après sa fabrication. Il contient un vaste réseau de petits blocs logiques configurables, constitués de tables de correspondance et de bascules, reliés par un routage programmable, ainsi que des blocs dédiés tels que de la RAM intégrée, des unités de multiplication-accumulation (DSP), des gestionnaires d'horloge et des E/S rapides. Un fichier de configuration, le bitstream, règle chaque table de correspondance et chaque commutateur de routage pour que la puce se comporte comme un circuit numérique précis. Dans la plupart des composants, la configuration est conservée en mémoire volatile et rechargée depuis une mémoire flash à la mise sous tension.
Les conceptions s'écrivent dans des langages de description matérielle comme Verilog ou VHDL, ou en C ou C++ via la synthèse de haut niveau, puis sont synthétisées, placées et routées par les outils du fabricant, un processus qui peut durer de quelques minutes à plusieurs heures. Contrairement à un CPU ou à un GPU qui exécute des instructions, un FPGA réalise le calcul lui-même sous forme matérielle : de nombreuses opérations s'exécutent en parallèle à chaque cycle d'horloge, les données circulent dans des pipelines et la temporisation est fixée au cycle d'horloge près. Les fréquences d'horloge sont inférieures à celles des CPU et la mémoire intégrée est petite, si bien que les grands modèles ou les grandes quantités de données doivent être lus en flux depuis une mémoire externe, ce qui limite le débit. Les FPGA SoC, comme la famille Xilinx Zynq, combinent la logique programmable et des cœurs de processeur ARM sur une même puce, ce qui permet d'exécuter Linux et ROS à côté d'un matériel sur mesure.
Ces propriétés rendent les FPGA performants là où la latence doit être faible et prévisible, là où de nombreuses opérations simples s'exécutent en parallèle, ou là où les données ont des largeurs inhabituelles. En robotique, ils génèrent la MLI (PWM) et exécutent les boucles de courant des variateurs de moteurs, décodent les codeurs, lisent et prétraitent les flux de caméras, de LiDAR et de caméras événementielles, calculent la disparité stéréo et exécutent des réseaux de neurones quantifiés en basse précision. Les réseaux de neurones binarisés s'y prêtent particulièrement bien, car leurs opérations de multiplication-accumulation se réduisent à une logique XNOR et de comptage de bits qui se projette directement sur les tables de correspondance.
Pourquoi c'est important
Les robots ont besoin d'un traitement rapide et déterministe au plus près des capteurs et des actionneurs, souvent dans un budget de puissance serré. Les FPGA comblent le vide entre les microcontrôleurs, qui peuvent être trop lents, les GPU, qui consomment davantage et ont une latence moins prévisible, et les puces sur mesure (ASIC), trop coûteuses à fabriquer en petites séries.
Applications principales
- Variateurs de moteurs : génération de PWM, boucles de courant et décodage des codeurs
- Prétraitement à faible latence des données de caméras, de LiDAR et de caméras événementielles
- Profondeur stéréo et extraction de caractéristiques pour l'odométrie visuelle sur de petits robots
- Inférence de réseaux de neurones quantifiés et binarisés sur des robots embarqués
- E/S temps réel pour les machines CNC et la commande de mouvement industrielle
- Traitement résistant aux radiations pour la robotique spatiale
En pratique
La chaîne main-œil d'un humanoïde tourne sur une carte FPGA SoC. Les cœurs ARM exécutent Linux et des nœuds ROS pour la commande de haut niveau, tandis que la logique programmable héberge un pipeline qui reçoit directement les images de la caméra, les redimensionne et alimente un autoencodeur partiellement binarisé dont les poids tiennent dans la RAM intégrée. Les ingénieurs quantifient d'abord le réseau en logiciel, vérifient que la précision est maintenue, puis génèrent le matériel avec un outil de synthèse de haut niveau et vérifient la temporisation. Les caractéristiques latentes atteignent le contrôleur avec un délai fixe à chaque image, pour une fraction de la puissance que consommerait un GPU, mais chaque modification du réseau implique une nouvelle synthèse.
Idées reçues
- Un FPGA exécute votre programme comme un processeur rapide — il est configuré en circuit ; un logiciel n'y tourne que par l'intermédiaire de cœurs de processeur, matériels ou construits dans la logique programmable
- Les FPGA sont toujours plus rapides que les GPU — les GPU l'emportent généralement sur les grandes charges en virgule flottante, tandis que les FPGA l'emportent sur la latence, le déterminisme et le traitement en flux en basse précision
- Modifier une conception FPGA revient à recompiler un logiciel — la synthèse et le placement-routage sont lents, et les conceptions doivent respecter les contraintes de temporisation
- La mémoire intégrée est abondante — elle est petite, donc les grands réseaux exigent une mémoire externe ou une quantification agressive
Qui devrait le savoir
- Ingénieurs en systèmes embarqués et en électronique qui conçoivent des contrôleurs de robots
- Ingénieurs en perception qui portent des chaînes de traitement sur du matériel basse consommation
- Chercheurs qui déploient des réseaux de neurones quantifiés sur des robots
- Concepteurs de variateurs de moteurs et de commande de mouvement
Technologies associées
- Verilog et VHDL
- Synthèse de haut niveau (HLS)
- FPGA SoC comme Xilinx Zynq
- Framework FINN pour réseaux de neurones binarisés
- GPU
- ASIC
Termes associés
Projets associés
- GENESIS: World's fastest physics engine: 43M FPS for embodied AI learning
- Cartographer: Google's real-time 2D and 3D SLAM system for multi-platform robotics
- FAST-LIVO2: Fast, direct LiDAR-inertial-visual odometry from HKU-MARS, published in IEEE T-RO
- Dora AI: Dataflow middleware for AI robotics applications, built in Rust
- OpenMind OM1: AI-native operating system for robots with modular perception, cognition, and action
- Fast DDS: eProsima's high-performance DDS middleware — the default transport under ROS 2
Vidéos
- EEVblog #496 - What Is An FPGA?: EEVblog
- Introduction to FPGA Part 1 - What is an FPGA? | Digi-Key Electronics: DigiKey