MIT создал чип, который помогает крошечным роботам ориентироваться в пространстве на энергии одного светодиода
Инженеры MIT разработали специализированный чип Gleanmer, который позволяет миниатюрным роботам и дронам строить детальные 3D-карты окружения в реальном времени, потребляя всего 6 милливатт — как один LED-индикатор. Секрет в новом алгоритме GMMap, который представляет препятствия не кубическими вокселями, а гибкими эллипсоидами-гауссианами, и специальной архитектуре чипа, которая держит данные в быстрой встроенной памяти.
Это реальный прорыв в автономной навигации для устройств с жёсткими ограничениями по энергии: микродроны смогут работать часами, а AR-гарнитуры станут лёгкими и удобными для длительного ношения, не требуя внешних вычислителей.
Как летать в вентиляции на энергии светодиода
Исследователи MIT представили чип Gleanmer, который решает главную проблему миниатюрных автономных роботов — построение 3D-карт окружения без прожорливых батарей. Система потребляет всего 6 милливатт энергии, что в разы меньше аналогов.
Гауссианы вместо кубиков
Традиционные методы картографирования используют воксели — 3D-пиксели в виде кубиков. Проблема в том, что для описания изогнутых поверхностей нужны тысячи таких кубиков, а каждый требует памяти и вычислений.
Команда MIT пошла другим путём: их алгоритм GMMap представляет препятствия эллипсоидными «облаками» — гауссианами. Один вытянутый эллипсоид может заменить сотни вокселей, гибко повторяя форму объекта. Карта получается в десятки раз компактнее.
Один проход вместо многократной обработки
Обычно робот многократно загружает изображения с камеры, сравнивая каждый пиксель со всеми остальными. Gleanmer делает это за один проход: алгоритм предполагает, что соседние пиксели принадлежат одному объекту, сравнивает только их — и сразу выбрасывает изображение.
Когда робот видит один объект с разных ракурсов, возникают дублирующие гауссианы. Вместо того чтобы снова обращаться к исходным пикселям, чип объединяет эллипсоиды напрямую, экономя память и энергию.
Архитектура под алгоритм
Разработчики спроектировали аппаратуру специально под GMMap: активные гауссианы хранятся в быстрой встроенной памяти прямо рядом с вычислительными блоками. Это возможно только потому, что карта настолько компактна. Чипу не приходится обращаться к внешней памяти — главному пожирателю энергии.
Применение
Технология открывает путь для микродронов в промышленной диагностике (например, поиск утечек газа в системах вентиляции), лёгких AR-гарнитур для медицинского обучения и ремонтных работ, а также автономных роботов в логистике и на складах.
Команда протестировала чип на разнообразных 3D-сценах. Результаты представлены на IEEE VLSI Symposium.
Ключевые выводы
- Представление препятствий гауссианами вместо вокселей сокращает объём 3D-карты в разы, что критично для устройств с ограниченной памятью
- Обработка изображений за один проход и слияние гауссианов без обращения к исходным пикселям радикально снижают энергопотребление
- Совместная разработка алгоритма и аппаратуры (co-design) — ключ к энергоэффективности: данные хранятся в быстрой встроенной памяти рядом с вычислителями
- Энергопотребление 6 мВт открывает дорогу миниатюрным дронам и носимым AR-гарнитурам, которые раньше требовали массивных батарей
- Технология применима не только в робототехнике, но и в медицинских симуляциях, промышленном обслуживании и логистике
Автор: Марина Соколова · Источник: news.mit.edu
**Это именно то, чего не хватало edge-робототехнике.** Годами нам рассказывали про миниатюрных дронов-инспекторов, но все упирались в одно: построение 3D-карт жрало батарею быстрее, чем робот успевал что-то сделать. MIT решили проблему элегантно — не через «ещё более мощный процессор», а через умную математику и iron, заточенный под неё.
Особенно цепляет подход с гауссианами: вместо того чтобы дробить мир на миллионы кубиков (и хранить каждый в памяти), они описывают объекты гибкими эллипсоидами. Один такой «пузырь» заменяет сотни вокселей — и карта ужимается настолько, что влезает в крохотную встроенную память чипа. Никаких обращений к внешнему хранилищу, никаких задержек, никакого расхода энергии впустую. Это не просто оптимизация — это переосмысление задачи.
Реальные применения на горизонте: промышленные инспекционные дроны (проверка труб, поиск утечек), AR-гарнитуры для хирургов и техников, автономные складские роботы. Пока это MIT-прототип, но архитектура выглядит готовой к коммерциализации — особенно если кто-то из больших игроков (DJI? Boston Dynamics?) подхватит идею.
Комментарии