Réponse rapide
Un GPU ou un NPU devient pertinent lorsque le robot doit exécuter beaucoup d’opérations parallèles, par exemple une perception visuelle ou un modèle neuronal, dans un délai et un budget énergétique définis. Le choix se fait sur les données et la contrainte de mission, pas sur le seul nom du composant. Compatibilité logicielle, mémoire, refroidissement et repli doivent être évalués ensemble.
Relier charge et architecture
GPU convient souvent aux calculs massivement parallèles et flexibles ; NPU privilégie certains opérateurs neuronaux avec une consommation maîtrisée. Une charge irrégulière, des opérateurs non pris en charge ou des décisions séquentielles peuvent favoriser le CPU ou une combinaison.
Évaluer latence et énergie réelles
Le profil inclut taille des lots, précision numérique, transferts, fréquence et mémoire. Latence moyenne, pire cas, joules par inférence et température sont mesurés sur la cadence de mission. La marge est conservée pour les pointes et les mises à jour.
Ne pas choisir sur le débit maximal
Un débit de laboratoire obtenu avec des lots importants peut être inutilisable pour une boucle réactive. Si la mémoire est insuffisante ou le pilote instable, le meilleur résultat théorique ne sécurise pas le robot. Un mode dégradé doit rester testable.
Sources et références
- [1] Artificial intelligence and robotics — NIST