麻省理工学院的研究人员开发出一款新型芯片，能够帮助体积小、功耗低的无人机在工业暖通空调系统内灵活穿行，避开障碍物，快速检测气体泄漏。

这款芯片让小型自主机器人及其他电池容量有限的设备，能够实时构建环境的详细三维地图，功耗仅相当于一颗LED灯。机器人可利用该地图规划无碰撞路径，顺利到达目标位置。

传统上，生成如此详尽的三维地图需要耗费大量电力和内存，用于构建和存储环境中障碍物的三维表示。

MIT团队采用了不同的策略，将极高效的映射算法与专用硬件相结合，加速计算过程，显著降低内存和功耗需求。

这款名为Gleanmer的片上系统功耗仅约6毫瓦，远低于现有同类系统的能耗。

低功耗特性也使其非常适合轻量级增强现实头戴设备，支持长时间佩戴，应用于医学教育模拟、精密维修和组装等场景。

电气工程与计算机科学系教授、电子研究实验室成员Vivienne Sze表示：“这项工作展示了算法与硬件协同设计如何极大提升能效。虽然已有许多研究关注紧凑的三维地图，但我们的创新在于确保地图生成过程同样高效。我们的芯片能在极小空间内存储超大地图，并以极低能耗完成。”

论文共同第一作者为MIT研究生Zih-Sing Fu和Peter Zhi Xuan Li，航空航天系教授兼LIDS主任Sertac Karaman也参与了研究。该成果近期在IEEE超大规模集成电路研讨会上发布。

更紧凑的地图表示

机器人生成包含环境障碍物的三维地图通常耗电巨大，因为它需要存储摄像头捕获的图像，并多次处理每个图像中的三维像素。

MIT团队摒弃了传统的体素（voxel）立方体表示，采用椭球形高斯函数（Gaussian blobs）来映射空间中的障碍物。

椭球的大小、形状和厚度可灵活调整，更高效地匹配曲面物体形态，远胜于刚性立方体体素。

地图不仅捕捉障碍物，还涵盖机器人周围的自由空间，帮助规划安全无碰撞路径。体素方法通常占用大量内存，导致高功耗；而高斯函数能用单个拉长椭球覆盖多个体素区域，使地图更紧凑。

Gleanmer芯片采用了实验室开发的GMMap算法，利用高斯函数高效生成三维环境地图。

传统方法需多次加载和处理深度图像，比较图像中所有像素，内存和功耗需求过高，不适合边缘设备。

MIT团队创新性地设计出单遍扫描深度图即可生成高精度高斯函数的技术，处理后即可丢弃图像，无需一次性存储完整图像。

算法假设相邻像素属于同一高斯函数，仅需比较邻近像素，极大减少内存占用。

Li表示：“我们在任何时刻只需存储少量像素，显著降低了算法的内存需求。”

协同设计提升效率

机器人移动时会从不同视角观察同一物体，生成的高斯函数会重叠，导致地图数据膨胀，难以存储。

通过融合重叠高斯函数，地图更紧凑，但传统融合需处理大量原始像素，内存和功耗仍高。

研究团队开发了直接在高斯函数上融合的创新技术，无需回溯原始像素，利用高斯函数的紧凑性大幅降低资源消耗。

算法大部分计算直接在紧凑的高斯函数上完成，确保能效最大化。

芯片设计将活跃处理的高斯函数存储在计算单元旁的高速片上内存中，避免频繁访问功耗高的外部存储。

Fu解释：“专用内存只存储最近几帧看到的对象，访问效率大幅提升。”

研究人员通过重建多种预先存在的三维环境验证了芯片性能，芯片还能直接从iPhone摄像头实时数据重建障碍物和自由空间。

Gleanmer实时生成详细三维地图，功耗约6毫瓦，仅为现有最佳地图构建芯片功耗的2.5%。

通过沿路径复用紧凑高斯函数，芯片使机器人规划安全轨迹的能耗降低至原来的20%。

Li总结：“我们通过确保算法高效降低内存消耗，再加速该算法的计算，最终实现芯片的极致能效。”

未来，团队计划将芯片处理单元更靠近传感器，进一步提升能效，并探索高斯函数在复杂蓝图推理等AI应用中的潜力。

Karaman表示：“实时三维映射一直是小型自主系统的短板。无论是巡检管道的无人机，还是室内导航的AR眼镜，都需要即时、持续、低功耗地理解周围空间。Gleanmer首次实现了这一点，且芯片小巧到能握在手中。”

该研究部分由MIT-MathWorks奖学金、亚马逊、美国国家科学基金会和英特尔资助支持。