Инженеры создали чип для навигации маленьких роботов
Новый чип Gleanmer помогает миниатюрным роботам строить трехмерные карты окружающего пространства в реальном времени. Он потребляет около 6 милливатт энергии — примерно как один светодиод.
Источник: Новости науки.
МОСКВА, 24 июня. /Новости науки/. Инженеры разработали энергоэффективный чип, который позволяет маленьким автономным роботам быстро строить трехмерные карты сложной среды и обходить препятствия. Работа представлена на симпозиуме IEEE Very Large-Scale Integrated Circuits Symposium.
Разработка может помочь малым беспилотникам, роботам и другим устройствам с ограниченным зарядом батареи. Например, такой робот сможет двигаться внутри промышленной системы вентиляции и проверять ее на утечки газа. Для этого ему нужно быстро понимать, где находятся стены, повороты, трубы и свободное пространство.
Обычно такие карты требуют много памяти и энергии. Робот должен хранить изображения с камеры и много раз обрабатывать трехмерные пиксели — воксели. Воксель можно представить как маленький кубик пространства. Чем подробнее карта, тем больше таких кубиков нужно хранить и считать.
Команда создателей робота выбрала другой подход. Вместо вокселей инженеры использовали гауссианы — вытянутые трехмерные «пятна», которые могут менять размер, форму и плотность. Они лучше описывают изогнутые и сложные объекты. Один вытянутый гауссиан может заменить множество кубических вокселей.
Новый чип получил название Gleanmer. Он использует алгоритм GMMap, который строит карту препятствий и свободного пространства по данным глубинной камеры. Главное отличие системы в том, что ей не нужно хранить целое изображение. Алгоритм проходит по данным один раз, сравнивает каждый пиксель только с соседними и сразу формирует компактные элементы карты.
«В любой момент времени нам нужно хранить в памяти только несколько пикселей. Это резко снижает объем памяти, который требуется алгоритму», — сказал один из ведущих авторов работы Питер Чжи Сюань Ли.
Еще одна проблема связана с тем, что робот видит один и тот же объект с разных сторон. Из-за этого элементы карты могут перекрываться и занимать лишнее место. Исследователи научили систему объединять такие элементы напрямую, без повторного обращения к исходным пикселям. Это также снижает расход памяти и энергии.
Авторы подчеркивают, что эффективность стала возможной благодаря совместной разработке алгоритма и аппаратной части. Чип держит нужные элементы карты в небольшой быстрой памяти рядом с вычислительными блоками. Поэтому ему не приходится постоянно обращаться к более удаленной и энергозатратной памяти.
Испытания показали, что Gleanmer строит подробные трехмерные карты в реальном времени и потребляет около 6 милливатт. Это примерно 2,5% от энергии, которая требуется лучшему существующему чипу для подобных задач. При планировании безопасного пути робот с таким чипом тратит около 20% энергии от обычного уровня.
Разработка может быть полезна не только для малых роботов. По словам авторов, низкое энергопотребление делает чип перспективным для легких очков дополненной реальности. Такие устройства можно будет дольше носить при обучении врачей, ремонте сложной техники или сборке оборудования.
В дальнейшем исследователи хотят еще сильнее снизить расход энергии. Для этого они планируют приблизить вычислительные блоки чипа к сенсорам, которые собирают данные о среде.
Разработка может помочь малым беспилотникам, роботам и другим устройствам с ограниченным зарядом батареи. Например, такой робот сможет двигаться внутри промышленной системы вентиляции и проверять ее на утечки газа. Для этого ему нужно быстро понимать, где находятся стены, повороты, трубы и свободное пространство.
Обычно такие карты требуют много памяти и энергии. Робот должен хранить изображения с камеры и много раз обрабатывать трехмерные пиксели — воксели. Воксель можно представить как маленький кубик пространства. Чем подробнее карта, тем больше таких кубиков нужно хранить и считать.
Команда создателей робота выбрала другой подход. Вместо вокселей инженеры использовали гауссианы — вытянутые трехмерные «пятна», которые могут менять размер, форму и плотность. Они лучше описывают изогнутые и сложные объекты. Один вытянутый гауссиан может заменить множество кубических вокселей.
Новый чип получил название Gleanmer. Он использует алгоритм GMMap, который строит карту препятствий и свободного пространства по данным глубинной камеры. Главное отличие системы в том, что ей не нужно хранить целое изображение. Алгоритм проходит по данным один раз, сравнивает каждый пиксель только с соседними и сразу формирует компактные элементы карты.
«В любой момент времени нам нужно хранить в памяти только несколько пикселей. Это резко снижает объем памяти, который требуется алгоритму», — сказал один из ведущих авторов работы Питер Чжи Сюань Ли.
Еще одна проблема связана с тем, что робот видит один и тот же объект с разных сторон. Из-за этого элементы карты могут перекрываться и занимать лишнее место. Исследователи научили систему объединять такие элементы напрямую, без повторного обращения к исходным пикселям. Это также снижает расход памяти и энергии.
Авторы подчеркивают, что эффективность стала возможной благодаря совместной разработке алгоритма и аппаратной части. Чип держит нужные элементы карты в небольшой быстрой памяти рядом с вычислительными блоками. Поэтому ему не приходится постоянно обращаться к более удаленной и энергозатратной памяти.
Испытания показали, что Gleanmer строит подробные трехмерные карты в реальном времени и потребляет около 6 милливатт. Это примерно 2,5% от энергии, которая требуется лучшему существующему чипу для подобных задач. При планировании безопасного пути робот с таким чипом тратит около 20% энергии от обычного уровня.
Разработка может быть полезна не только для малых роботов. По словам авторов, низкое энергопотребление делает чип перспективным для легких очков дополненной реальности. Такие устройства можно будет дольше носить при обучении врачей, ремонте сложной техники или сборке оборудования.
В дальнейшем исследователи хотят еще сильнее снизить расход энергии. Для этого они планируют приблизить вычислительные блоки чипа к сенсорам, которые собирают данные о среде.
