Сотрудники Массачусетского технологического института (MIT) представили инновационный чип с низким энергопотреблением. Он предназначен для того, чтобы миниатюрные беспилотные летательные аппараты и робототехнические устройства могли формировать детальные трехмерные изображения окружения в процессе эксплуатации. Устройство потребляет приблизительно 6 милливатт электроэнергии, что делает его весьма ценным для автономных систем с ограниченными возможностями питания.

Новейший чип назван Gleanmer и предназначен для интеграции в небольшие беспилотные системы и роботов. Разработчики утверждают, что данная технология может быть применена для ориентации в непростых ситуациях, таких как промышленные вентиляционные шахты, складские помещения, туннели и другие пространства с ограниченным доступом, где критически важно оперативно выявлять препятствия и безопасно определять путь.

Данные разработки могут быть востребованы не исключительно в области робототехники. Специалисты полагают, что аналогичные подходы найдут свое место и в портативных устройствах дополненной реальности, обеспечивая создание пространственной модели без существенного потребления электроэнергии.

Формирование трехмерных моделей обычно сопряжено с обработкой огромного количества информации и хранением сложных представлений об окружающем пространстве. Для малогабаритных устройств это представляет собой серьезную трудность, поскольку требует существенных вычислительных мощностей, памяти и энергии.

Для преодоления этой проблемы специалисты из MIT отказались от общепринятого метода, предполагающего деление пространства на огромное число мельчайших ячеек. Вместо этого они применили математические конструкции в виде эллипсов – гауссианы. Этот подход позволяет более эффективно описывать как изогнутые поверхности, так и открытое пространство, одновременно уменьшая объем необходимой памяти.

Наряду с созданием нового микросхемы, ученые предложили методику построения карт – GMMap. Она позволяет формировать трехмерное представление окружения на основе данных о глубине изображения за один проход. Это избавляет систему от необходимости многократного сохранения и обработки больших объемов информации.

По словам создателей технологии, в любой заданный момент времени алгоритм требует обработки ограниченного числа пикселей, что значительно уменьшает объем необходимой памяти и снижает расход энергии.

Одной из часто возникающих сложностей при создании карт является повторное обнаружение одного и того же предмета с различных ракурсов. Это приводит к появлению идентичных элементов в цифровой модели, увеличивая ее размер. Специалисты из Массачусетского технологического института разработали способ объединения накладывающихся гауссианов напрямую, исключая необходимость обращаться к исходным изображениям повторно.

Благодаря этому стало возможным размещение большей части оперативной информации непосредственно во встроенной памяти микросхемы, что обеспечивает более высокую скорость работы и меньший расход энергии по сравнению с использованием внешних накопителей.

В ходе тестирования система демонстрировала способность генерировать детализированные трехмерные изображения различных окружений в реальном времени. При этом потребление электроэнергии оставалось на уровне примерно 6 милливатт, что составляет около 2,5 процента от энергозатрат наиболее эффективных существующих специализированных систем для решения подобных задач.

Также чип обладает возможностью восстановления сведения об объектах, создающих преграды, и доступном пространстве непосредственно из видеопотока камеры мобильного телефона. Применение сжатых гауссовых функций способствует оптимизации планирования маршрута. В результате робот способен выстраивать безопасный путь передвижения, потребляя примерно на 80% меньше энергии по сравнению со стандартными методами.

Специалисты отмечают, что достижение высокой производительности стало результатом совместной работы над аппаратным и программным обеспечением системы, которые изначально разрабатывались как взаимосвязанный комплекс.

В дальнейшем разработчики намереваются дополнительно оптимизировать потребление энергии, переместив вычислительные модули в непосредственной близости от сенсоров и камер. Помимо использования в робототехнике, исследователи изучают потенциал гауссовых моделей для анализа технических рисунков, инженерных проектов и прочих сложных визуальных данных.

Итоговые достижения были доложены на конференции IEEE, посвященной крупномасштабным интегральным микросхемам.