Новый чип позволяет миниатюрным дронам видеть окружающий мир почти без расхода энергии
Исследователи из Массачусетского технологического института (MIT) разработали энергоэффективный вычислительный чип, который позволяет небольшим дронам и роботам создавать подробные трёхмерные карты окружающей среды в режиме реального времени. При этом устройство потребляет всего около 6 милливатт энергии, что делает его особенно перспективным для автономных систем с ограниченным запасом аккумуляторов.
Новый чип получил название Gleanmer и предназначен для работы в составе компактных беспилотников и роботов. По словам разработчиков, технология может использоваться для навигации в сложных условиях, включая промышленные вентиляционные системы, склады, тоннели и другие ограниченные пространства, где важно своевременно обнаруживать препятствия и безопасно прокладывать маршрут.
Разработка может оказаться полезной не только для робототехники. Исследователи считают, что подобные решения способны найти применение и в лёгких очках дополненной реальности, позволяя устройствам строить карту помещения без значительного расхода энергии.
Создание трёхмерных карт обычно требует обработки больших объёмов данных и хранения сложных моделей окружающего пространства. Для небольших устройств это становится серьёзной проблемой, поскольку требует значительных вычислительных ресурсов, памяти и энергии.
Чтобы решить эту задачу, специалисты MIT отказались от традиционного подхода, при котором пространство разбивается на миллионы маленьких объёмных элементов. Вместо этого они использовали математические объекты в форме эллипсоидов, известные как гауссианы. Такой способ позволяет более эффективно описывать как изогнутые поверхности, так и открытые пространства, одновременно значительно сокращая объём необходимой памяти.
Вместе с новым чипом исследователи разработали алгоритм построения карт под названием GMMap. Он способен формировать трёхмерную модель окружающей среды за один проход по данным глубины изображения. Благодаря этому системе не требуется многократно сохранять и обрабатывать большие массивы информации.
Разработчики отмечают, что в каждый конкретный момент времени алгоритму необходимо хранить лишь небольшое количество пикселей, что существенно снижает требования к памяти и энергопотреблению.
Ещё одной распространённой проблемой при построении карт является многократное наблюдение одного и того же объекта под разными углами. В таких случаях в цифровой модели появляются дублирующиеся элементы, увеличивающие её размер. Команда MIT создала метод объединения перекрывающихся гауссианов напрямую, без необходимости повторного обращения к исходным изображениям.
Такой подход позволил хранить большую часть активных данных во встроенной памяти самого чипа, которая работает значительно быстрее и экономичнее по сравнению с внешними устройствами хранения информации.
Во время испытаний система успешно создавала подробные трёхмерные карты различных заранее записанных окружающих сред в режиме реального времени. При этом энергопотребление оставалось на уровне около 6 милливатт. По оценкам авторов проекта, это составляет примерно 2,5 процента от энергозатрат лучших существующих специализированных решений для аналогичных задач.
Кроме того, чип способен восстанавливать информацию о препятствиях и свободном пространстве непосредственно из видеопотока, поступающего с камеры смартфона. Использование компактных гауссианов также помогает при планировании маршрута. Благодаря этому робот может рассчитывать безопасный путь движения, расходуя примерно на 80 процентов меньше энергии по сравнению с традиционными подходами.
По словам исследователей, высокая эффективность стала возможной благодаря совместной разработке аппаратной и программной частей системы, которые изначально проектировались как единое целое.
В будущем команда планирует ещё больше повысить энергоэффективность технологии за счёт размещения вычислительных блоков ближе к датчикам и камерам. Помимо робототехники учёные также рассматривают возможность применения гауссиановых представлений для обработки технических чертежей, инженерных схем и других сложных графических данных.
Результаты работы были представлены на симпозиуме IEEE по сверхбольшим интегральным схемам.