新型芯片助力微型机器人穿越复杂环境

麻省理工学院（MIT）的研究人员近日研发出一种新型芯片，可帮助微型无人机等低功耗设备在复杂环境中实时构建三维地图，并规划安全的避障路径。该芯片的功耗仅约6毫瓦，相当于一个LED灯泡的耗电量，为电池容量有限的自主机器人系统带来了突破性进展。

传统上，机器人在构建详细的三维地图时需要消耗大量电力和内存。它们必须反复处理摄像头捕获的图像，并存储所有三维像素（即体素）。MIT团队另辟蹊径，采用了一种高效算法GMMap，利用椭球体高斯模型来表征环境中的障碍物。与立方体状的体素相比，椭球体可以灵活调整大小、形状和厚度，从而更紧凑地匹配弯曲物体的外形，大幅减少内存占用。

基于这一算法，研究团队设计了名为Gleanmer的系统级芯片。该芯片采用创新的单次扫描技术，只需一次处理即可从深度图像中生成精确的高斯模型，随后丢弃原始图像，因此无需在芯片上存储完整图像。此外，算法仅比较相邻像素而非所有像素，进一步降低了内存需求。当机器人移动时，来自不同视角的高斯模型会发生重叠，研究人员开发了直接融合重叠高斯模型的方法，无需回溯原始像素，从而显著节省存储和计算资源。

在测试中，Gleanmer芯片在实时生成详细三维地图的同时，功耗仅为约6毫瓦，是现有最佳地图构建芯片功耗的2.5%。利用这些紧凑的高斯模型，机器人规划安全轨迹的能耗也降低了80%。由于高斯地图非常紧凑，芯片可以将活跃处理的高斯模型存储在片内高速缓存中，避免访问耗电的外部存储器。

这一成果不仅适用于微型无人机，还有望应用于轻量级增强现实头显，支持长时间佩戴的医疗模拟或精密维修作业。研究团队计划进一步优化能效，将处理单元与传感器集成，并探索高斯模型在蓝图表示等其他领域的应用。MIT教授Vivienne Sze表示：“这项工作是算法与硬件协同设计的典范，真正将能效推向了新高度。”该研究由MIT研究生Zih-Sing Fu和Peter Zhi Xuan Li共同领导，并得到MIT-MathWorks Fellowship、亚马逊、美国国家科学基金会和英特尔等机构的支持。