麻省理工學院的研究人員開發出一款新型晶片，有望幫助微型低功耗無人機在複雜環境中靈活躲避障礙。例如，無人機可以在工業暖通冷氣系統內穿行於狹窄角落，完成天然氣泄漏檢測任務。
該晶片允許小型自主機器人及其他受電池容量限制的設備，僅消耗相當於一顆 LED 燈的電量，便能實時構建精細的三維環境地圖。機器人可利用這張地圖規劃無碰撞路徑，順利抵達目標位置。
通常情況下，生成如此詳盡的三維地圖需要高功耗系統和大量內存，以儲存和處理環境中障礙物的三維模型。麻省理工團隊另闢蹊徑，將一套極高效率的建圖算法與專為加速該算法工作負載而設計的定製硬體相結合，從而大幅降低了內存占用和功耗。
這款片上系統（SoC）的功耗僅約 6 毫瓦，遠低於同類系統的能耗水平。
超低功耗特性同樣使該晶片適用於輕量級增強現實頭顯，可支持長時間佩戴，涵蓋醫療教育模擬、精密維修與裝配等應用場景。
電氣工程與電腦科學系教授、電子研究實驗室成員、論文通訊作者 Vivienne Sze 表示："這篇論文展示了一個典型案例，說明如何通過算法與硬體的協同設計來極致提升能效。此前已有大量研究關注緊湊型三維地圖，但本研究的獨特之處在於，我們同樣確保生成地圖的過程本身也儘可能高效。我們的晶片能在極小的空間內儲存非常大的地圖，並以極低的能耗完成這一過程。"
論文的共同第一作者為麻省理工博士生 Zih-Sing Fu 和 Peter Zhi Xuan Li，以及航空航天學教授、LIDS 主任 Sertac Karaman。這項研究近期已在 IEEE 超大規模集成電路研討會上正式發表。
更緊湊的地圖表示
機器人在生成包含環境障礙物資訊的三維地圖時，通常需要消耗大量電能，因為它必須儲存攝影機採集的圖像，並對每幀圖像中的所有三維像素進行多次處理。
麻省理工研究人員沒有採用由體素（即三維像素立方體）構建環境的傳統方法，而是藉助一種名為高斯橢球體的技術來表示空間中的障礙物。
這些橢球體的大小、形狀和厚度可以靈活調整，相比剛性的體素立方體，能更高效地貼合曲面物體的幾何形態。
更重要的是，地圖不僅能表示障礙物，還能同時表示機器人周圍的自由空間，兩者共同支持機器人規劃安全、無碰撞的行進路徑。傳統體素方法在表示障礙物與自由空間時內存消耗較高，而高斯橢球體能靈活適配幾何形狀，一個拉伸的橢球體可以代替原本需要多個體素才能描述的區域，因此占用和自由空間的表示更為緊湊。
研究團隊為這款名為 Gleanmer 的片上系統採用了實驗室自主開發的 GMMap 算法，該算法利用高斯橢球體高效生成機器人環境的三維地圖。
在傳統方案中，機器人需要多次加載並處理每一幀深度圖像，才能逐步調整橢球體的大小與形狀，通常通過對比圖像中所有像素來構建高斯模型，但這一過程的內存和功耗對許多邊緣設備而言仍然過高。
為此，研究人員發明了一種新技術，僅需對深度圖像進行一次掃描，即可生成高精度的高斯模型，隨後便可丟棄原始圖像，晶片無需在任何時刻儲存完整的一幀圖像。
該算法不再對比圖像中每個像素與其他所有像素，而是假設相鄰像素同屬一個高斯模型，因此只需與鄰近像素進行比較。
"在任意時刻，我們只需在內存中保存少量像素，這極大地減少了算法所需的內存占用，"Li 說道。
算法與硬體的協同設計
當機器人在空間中移動時，往往會從不同視角觀察到同一物體。在生成高斯模型的過程中，表示同一物體的橢球體可能出現重疊，導致三維地圖體積過大，超出邊緣設備的儲存能力。
融合重疊的高斯模型可以讓地圖更加緊湊，但傳統方法通常需要重新處理內存中儲存的大量原始像素。研究人員開發了一種新型融合技術，可直接對重疊的高斯模型進行操作，無需回溯原始像素。由於高斯模型比像素更緊湊，這一方法顯著降低了內存和功耗需求。
這一原則貫穿整個算法——絕大多數計算直接作用於緊湊的高斯模型，而非原始像素，從而實現了整體的高能效。
研究人員基於這一原則進行晶片設計，將當前正在處理的高斯模型保存在緊鄰計算單元的小型高速片上內存中。這一設計之所以可行，正是因為高斯地圖足夠緊湊。
機器人下一步需要用到的高斯模型已在片上內存中待命，無需從更遠、更耗電的片外儲存中讀取。
"通過設置一塊專用內存，僅儲存過去幾幀中已觀測到的物體，就能以更高效率訪問數據，"Fu 解釋道。
研究團隊通過重建多種類型的既有三維環境，對該片上系統進行了測試。晶片還能直接從 iPhone 攝影機的實時數據流中重建障礙物與自由空間。
Gleanmer 在功耗約 6 毫瓦的條件下實時生成了詳細的三維地圖，僅需現有最優建圖晶片約 2.5% 的電能。
通過在路徑規划過程中復用緊湊的高斯模型，該晶片使機器人規劃安全軌跡所需的能量降低至原來的約 20%。
"我們通過提升算法效率來減少內存消耗，再對高效算法的工作負載進行加速，最終讓晶片的整體效率達到極致，"Li 說道。
研究團隊計劃進一步提升能效，方向之一是將晶片上的處理單元移至更靠近環境數據採集傳感器的位置。他們還計劃探索更多應用場景，例如利用高斯模型表示工程示意圖，從而幫助 AI 系統更高效地理解複雜藍圖。
"實時三維建圖一直是小型自主系統缺失的關鍵能力。無論是檢測管道的無人機，還是輔助室內導航的增強現實眼鏡，都需要即時、持續地感知周圍空間，且幾乎不消耗任何電能。Gleanmer 讓這一切首次在一枚指尖大小的晶片上成為可能，"Karaman 說道。
本研究部分受到麻省理工-MathWorks 獎學金、亞馬遜、美國國家科學基金會及英特爾的資助與支持。
Q&A
Q1：Gleanmer 晶片的功耗有多低？和現有晶片比怎麼樣？
A：Gleanmer 的功耗約為 6 毫瓦，相當於一顆 LED 燈的耗電量。與目前最優的建圖晶片相比，它只需後者約 2.5% 的電能，同時還能將機器人路徑規劃所需的能量降低至原來的約 20%。這種超低功耗特性使其非常適合用於微型無人機、輕量級增強現實頭顯等電池受限的邊緣設備。
Q2：Gleanmer 為什麼用高斯橢球體而不是傳統體素來建圖？
A：傳統體素是剛性的立方體結構，表示曲面物體時需要大量體素堆疊，內存消耗高。高斯橢球體的大小、形狀和厚度可以靈活調整，一個拉伸的橢球體就能覆蓋原本需要多個體素才能描述的區域，地圖更緊湊。此外，高斯模型能同時表示障礙物和自由空間，直接支持機器人規劃無碰撞路徑，整體效率更高。
Q3：Gleanmer 晶片目前有哪些實際應用場景？
A：Gleanmer 適用於多種低功耗自主系統場景。在工業領域，微型無人機可藉助它在暖通冷氣系統內檢測氣體泄漏；在消費電子領域，它可用於輕量級增強現實頭顯，支持長時間佩戴，適合醫療教育模擬或精密裝配工作；此外，研究團隊還計劃探索用高斯模型表示工程藍圖，幫助 AI 系統更高效地理解複雜示意圖。
