麻省理工学院的研究人员开发了一款新芯片，能够帮助微型低功耗无人机在工业HVAC系统内快速避障，检测气体泄漏。该芯片使小型自主机器人及其他电池受限设备能够实时构建详细的三维环境地图，功耗仅相当于一颗LED灯的能耗。通过这样的地图，机器人能够规划出无碰撞的路径以达到目标。通常，生成如此详尽的地图需要大量的电力和内存来构建和存储环境中的三维障碍物表示。
麻省理工的研究人员通过将极其高效的映射算法与专门设计的硬件相结合，提出了一种不同的方法，从而最小化了内存和功耗。该系统芯片的功耗仅约6毫瓦，远低于其他系统所需的功率。这种低功耗操作也使得该芯片非常适合于轻量级的增强现实头戴设备，能够长时间佩戴，适用于教育医疗模拟或详细的维修和组装工作。
“这篇论文展示了如何通过算法和硬件的共同设计来推动能源效率的一个关键示例。尽管对紧凑三维地图的研究很多，但该工作突出的地方在于确保生成这些地图的过程尽可能高效。我们的芯片允许在非常小的空间内存储非常大的地图，并以非常高效的方式完成这一任务，”电气工程与计算机科学系的教授Vivienne Sze表示。
为了生成包含环境障碍物的三维地图，机器人通常需要大量的电力，因为它必须存储相机捕获的图像，并多次处理每个图像中的三维像素。麻省理工的研究人员采用了一种技术，用椭球体（高斯体）来映射空间中的障碍物，而不是使用三维像素（体素）。这些高斯体的大小、形状和厚度可以平滑调整，更有效地匹配曲面物体的形状。重要的是，这种地图捕捉了障碍物及周围的自由空间，从而让机器人能够规划安全的无碰撞路径。
在新系统芯片Gleanmer中，研究人员使用了他们实验室开发的GMMap算法，该算法有效地利用高斯体生成机器人的环境三维地图。传统方法下，机器人需要加载和处理每个深度图像多次，以调整高斯体的大小和形状，但所需的内存和电力对许多边缘设备来说仍然太高。为了解决这个问题，麻省理工的研究人员发明了一种技术，可以在仅一次通过后从深度图像生成高度准确的高斯体，随后可以丢弃图像，因此芯片无需一次性存储整个图像。
在机器人移动过程中，通常会从不同视角看到同一物体，生成的高斯体可能会重叠。这会使得三维地图过大，无法在边缘设备上存储。通过融合重叠的高斯体可以使地图更加紧凑，但这一过程通常需要处理存储在内存中的大量原始像素。研究人员开发了一种新技术，能够直接在重叠的高斯体上进行融合，而无需重新访问原始像素。
测试中，Gleanmer能够实时生成详细的三维地图，功耗约为6毫瓦，仅为最佳现有地图构建芯片所需功率的2.5%。通过沿路径重用紧凑的高斯体，该芯片使机器人仅需约20%的能量便能绘制安全轨迹。
“我们通过确保算法高效来减少内存消耗。然后，我们加速该高效算法执行的工作负载，因此我们的芯片尽可能高效，”李教授表示。研究人员计划通过将处理单元移动到更靠近环境数据传感器的位置进一步提高能效，并探索高斯体在复杂蓝图推理中的潜在应用。
“实时的三维映射一直是小型自主系统的缺失环节。检查管道的无人机或导航房间的AR眼镜都需要即时、持续地理解周围空间，而几乎不需要电力成本。Gleanmer首次在一个可以握在手中的芯片中实现了这一点，”Karaman教授说。该工作得到了MIT-MathWorks奖学金、亚马逊、美国国家科学基金会和英特尔的支持。
博主点评： 这一新芯片的研发标志着微型机器人在复杂环境中自主导航能力的重大突破。通过高效的高斯映射技术，研究人员不仅提升了能效，还为未来的增强现实和自主系统应用奠定了基础。期待该技术在更多领域的广泛应用。