利用 GMSL 達到高頻寬機器人視覺應用

在設計能即時感知並適應實際世界的機器人應用時，視覺相當關鍵。機器人系統會在動態且經常無法預測的環境中運作，且必須要在毫秒內對感測器資料進行擷取、傳輸、處理，然後轉化成動作。若有任何延遲、資料遺失或時間不一致的情況，就會降低效能，甚至造成安全風險。

隨著機器人系統轉向基於機器學習的感知能力而需仰賴大量的視覺資料而非任務特定的程式設計，因此這些限制變得更加嚴苛。但這也讓機器人應用具備適應能力，僅需最少的重新編程，就可感知新的物件、環境和任務。

在這些趨勢下，機器人系統中傳輸視覺資料的方式面臨越來越大的壓力。Gigabit 多媒體序列連結 (GMSL) 技術就可協助因應此設計挑戰，可簡化感測器的連接、降低接線複雜度，並在分散式攝影機與中央運算模組之間達到低延遲且穩健的資料傳輸。

GMSL 最初是針對汽車應用而設計，如先進駕駛輔助系統 (ADAS)，但目前已廣泛用於機器人和機器視覺系統，以連接遠端攝影機與感測器，並提供低延遲和強大的抗電磁干擾能力。

GMSL 是由 Analog Devices, Inc. 開發，屬於一種高速的串列器／解串列器 (SerDes) 通訊技術，可透過單一同軸電纜或雙絞線傳輸高頻寬的影像與數據。每個攝影機皆可在專用的高速鏈路上運作，而非共用網路架構，因此不會有爭用、路由及封包變異性的情況。這會建立一條可預測的資料路徑，使時序與延遲保持一致，即使感測器數量增加。

GMSL 串列器可將原本要在多條訊號線路中平行傳輸的像素數據集結成群，將其轉換成連續的高速序列串流。在處理器端，解串列器則會將其轉換回原始的格式。由於每台攝影機皆有其專屬的點對點連結，頻寬會隨著攝影機數量線性增加，而不會出現網路爭用、切換負擔或封包排程延遲。

隨著視覺系統擴充至多個高解析度攝影機，這種作法的優勢更加明顯。這些系統與單攝影機應用不同，需要密集且同步的視覺覆蓋範圍，以支援像是導航、操控及即時場景理解等任務。隨著感測器數量的增加，頻寬、佈線及時序精度的負擔也隨之加重，就會顯示出傳統短距離板級互連的限制。

傳統作法，例如 USB、標準乙太網路或直接的板級 MIPI 連結等，就要在延遲、同步化或實際距離之間加以取捨。隨著攝影機增多，接線、時序管理與系統設計的複雜度也跟著提升，會導致整合難度日益提高。

與其他視覺連接作法相比，GMSL 可提供多項明顯的優勢：

• 在範圍和穩定性方面可超越 MIPI CSI-2，同時可維持簡單、低延遲的點對點架構，可避免乙太網路架構的視覺堆疊複雜性。
• GMSL 偏好採用有確定性的點對點連接，以及更簡易的多攝影機同步化，而非乙太網路的大規模分散網路彈性。
• 效能大致可媲美另一種專有的 SerDes 產品 FPD-Link，要在兩者之間挑選時，通常會以生態系統的考量為依據。

GMSL 能以實用的作法達到高速攝影機連接，同時具備確定性及低延遲的效能，藉此在嵌入式與連網型系統間達到平衡。如此便可簡化高速視覺連接，同時維持即時機器人系統對延遲與可靠性的嚴格要求。

高速、大量

隨著攝影機解析度與感測器數量持續增加，這些架構上的優勢更顯關鍵。GMSL 可以透過單一纜線，從多個攝影機或其他感測器傳輸大量資料，特別是影像資料。因為採用專用的點對點連結，因此不會有網路爭用或封包路由的問題。設計人員不必針對各個點使用多重連接，而可使用 GMSL 透過同軸或雙絞線電纜傳輸高頻寬串流，同時還可維持低延遲和強大的抗雜訊能力。

這項技術可簡化汽車接線並提升穩健性，而這些相同的特性可直接套用到機器人領域：更少的纜線可簡化電氣與機械設計，讓系統更輕巧、更可靠，且更容易組裝。分散式攝影機可以放置在遠離運算模組的位置，且僅需最少的佈線進行連接，但仍能可靠地傳輸同步且低延遲的數據，以支援即時的感知與決策。

機器人逐漸仰賴多個高解析度攝影機，有時還會結合深度感測器或光達 (LiDAR) 來理解周遭環境 (圖 1)。每一台攝影機就會產生大量資料流，當多台同時使用時，頻寬需求非常驚人。一台 1080p 解析度、每秒 30 影格 (fps) 且每像素 24 位元的攝影機就會產生 1.4 Gbps 的資料量，因此四台攝影機的資料量為 5.6 Gbps，六台則為 8.4 Gbps。更高解析度、更高影格率的應用可能會將頻寬需求推升至每秒數十 Gigabit。

圖 1：GMSL 促成的多模態機器人視覺系統，可處理來自多個攝影機及其他感測器的影像資料，以達到機器人感知能力。(圖片來源：Analog Devices, Inc.)

要可靠地支援此資料量，就需要可預測擴充需求且不造成時序不確定性的傳輸架構。GMSL 的確定性與低延遲連結可確保多個攝影機保持同步，並可預測資料傳輸，因此是開發多攝影機感知應用的實用選擇，且不會讓系統過載或帶來時序不確定性。

實務考量

隨著企業轉向能感知、操控並自主決策的多功能平台，機器人系統也跟著持續進步。像 Tesla 的 Optimus 這類人形機器人就仰賴具有多個同步高解析度影像串流的即時攝影機網路，以便導航並與複雜的環境互動。

越來越多機器人視覺系統採用分散式感測器陣列，以達到即時導航與操控，因此需要嚴密的同步化與穩定的連接。隨著感測需求增加，應用必須提升感測器數量與解析度，同時避免造成運算資源的負擔或時序上的問題。這些需求可透過邊緣端與聚合裝置來滿足，可將影像感測器與運算平台銜接在一起，以維持自主性所講究的低延遲、同步化資料。

在系統邊緣端，像是 ADI 的 MAX96717 GMSL2 串列器等裝置，可當作影像感測器與傳輸鏈路之間的介面 (圖 2)。因為直接放置在攝影機後方，可接收高頻寬的MIPI CSI-2攝影機資料，並將其轉換成高速序列化連結，以便透過遠距汽車級佈線進行傳輸。此裝置支援 3 Gbps 或 6 Gbps 的順向鏈路數據傳輸率，並具有 187.5 Mbps 的逆向控制通道，可接受最多四條 MIPI CSI-2 通道，每條通道為 2.5 Gbps。

圖 2：在此線路圖中，四個 MAX96717 裝置將來自不同攝影機感測器的平行資料流轉換成序列化訊號，再透過 GMSL2 連結傳輸至 MAX96724 解串列器，接著由此解串列器進行聚合並轉換成 MIPI CSI-2，最後將彙整且同步化的影像資料傳送至中央處理器。(圖片來源：Analog Devices, Inc.)

串列器會負責即時格式化並將攝影機原始輸出資料傳輸到遠距 GMSL2 連結，同時保存影格完整性、控制訊號和同步化中繼資料。可將緊密耦合的影像感測器轉變成遠端感測節點，就可放置在機器人上的任意位置。如此一來，就可將多個攝影機分佈在機器人平台上，不受短距離互連的限制。

在接收端，多重連結的 GMSL2 解串列器，如 ADI 的 MAX96724，會將多個遠端攝影機串流聚合成單一且同步化的介面中樞。此裝置可促成可擴充的多攝影機感知能力，且不增加系統複雜度，並可將多個 GMSL2 攝影機串流 (最多四條鏈路，速度為 3 或 6 Gbps) 聚合成單一 MIPI CSI-2 介面，以便主控處理器使用，同時在感測器間維持同步的時序及雙向控制。

相機資料解串列後，會以標準影像串流的形式傳送至主機處理器，通常會透過 MIPI CSI-2 介面傳輸。接著，來自多個攝影機的影格會由系統的視覺堆疊同時擷取；此堆疊可能包含 ISP 處理、同步化邏輯，以及用於物件偵測、深度估算、追蹤和場景理解等任務的 AI 推論模型。

由於 GMSL 串流傳入時具有一致的時序，因此應用能可靠地將多個相機以及其他感測器 (如監測運動與方向的 LiDAR 或慣性量測單元 (IMU)) 的資料進行融合，以便機器人對環境達到連貫且即時的理解。為了進行開發與驗證，可使用評估平台實作完整的訊號鏈；此平台可將串列器端的攝影機模組與解串列器評估套件 (如MAX96724-BAK-EVK# (圖3)) 搭配在一起，讓開發人員在轉換到客製化硬體設計前，先測試多攝影機的同步化、頻寬效能及處理器整合效果。

圖 3：MAX96724-BAK-EVK# 評估平台能為機器視覺系統提供開發基準，可將來自 MAX96717 等串列器的多重 GMSL2 攝影機串流聚合，再將同步的 MIPI CSI-2 輸出訊號傳送至中央處理器。(圖片來源：Analog Devices, Inc.)

成熟的技術與生態系統

GMSL 已經歷多個世代的演進，每一代都擴充頻寬、距離和系統靈活性，同時維持相同的核心 SerDes 架構：

• GMSL1 帶來穩健的汽車級解決方案，可遠距傳輸高速影像，主要支援 HD 等級的攝影機系統。
• GMSL2 大幅提升頻寬和擴充性，能讓多攝影機 1080p 與 4K 系統達成更緊密的同步、更低的延遲，以及更有效率的多串流聚合，因此是現代化 ADAS 與機器人平台的主流。
• GMSL3 在基礎上進一步提升數據傳輸速率與系統靈活性，更支援次世代的高解析度感測器，以及日益複雜的多感測器架構。

GMSL 擁有成熟的生態系統，能支援可擴充且生產就緒的部署。機器人開發人員可以利用一整套經過驗證的元件，且其設計可在實際情況下可靠運作，包括攝影機、運算模組、纜線、連接器，以及軟體／驅動程式支援。此生態系統可降低整合的複雜度、縮短開發週期，並降低從早期原型擴充到生產系統之間的門檻。

結論

隨著機器人系統朝更高的感測器密度和即時自主性發展，連接架構必須在不犧牲確定性或可靠性的前提下進行擴充。GMSL 架構可簡化佈線、維持確定性時序並達到分散式感測器配置，因此能讓機器人設計人員增進感知能力，且無需從基礎重新設計運算或同步化模型。此優勢可在轉換到高密度的即時機器人視覺系統時奠定關鍵的基礎。