Изследователи от Масачузетския технологичен институт разработиха чипа Gleanmer, който позволява на маломощни дронове и малки роботи да изготвят подробни 3D карти на околното пространство в реално време. При това устройството консумира едва 6 мВт енергия — колкото един светодиод, или 2,5% от енергопотреблението на най-добрите съществуващи аналози. Разработката може да се използва за инспекция на труднодостъпни места и в очила за добавена реалност.

Триизмерното картографиране позволява на робота да разбира околното пространство и да прокарва маршрут без сблъсъци. Традиционните системи представят средата под формата на кубични пиксели — воксели — и са принудени многократно да зареждат и обработват изображения от камерата, което изисква голям обем памет и енергийни разходи. Именно поради това компактните автономни устройства с ограничено време на работа на батерия не можеха да използват пълноценно такива технологии.

Изследователите са поели по друг път. Вместо воксели те представят препятствията с помощта на елипсоидни математически обекти — гаусови разпределения. Един удължен елипсоид може да опише област, за която при традиционния подход биха били необходими множество кубични пиксели. Тъй като гаусовите функции се приспособяват гъвкаво към формата на обектите, картата става по-компактна и заема значително по-малко памет.

При използването на гаусови разпределения обаче остава проблем: за да определи размера и формата на всеки елипсоид, системата трябва да зарежда и обработва едно и също изображение за дълбочина няколко пъти, като сравнява всички пиксели един с друг. Това обезсмисля икономията на памет и енергия. Тогава учените разработиха алгоритъма GMMap, който генерира точни гаусови разпределения с едно преминаване. Вместо да сравнява всеки пиксел с всички останали в кадъра, алгоритъмът анализира само съседните пиксели — изхождайки от предположението, че те най-вероятно принадлежат на един и същ обект. Благодарение на това след обработката изходният кадър може веднага да бъде „изтрит“ — на чипа не е необходимо да съхранява цялото изображение. В паметта във всеки момент остава само малка част от данните, а не цялата сцена.

Докато се движи, роботът вижда едни и същи обекти от различни страни, поради което гаусовите разпределения започват да се припокриват.

За да не се разраства картата, те трябва да се обединяват — обикновено това изисква повторна обработка на изходните пиксели. Изследователите разработиха метод, позволяващ директното обединяване на припокриващите се елипсоиди, без да се прибягва до изходните данни. Това допълнително намали изискванията към паметта и енергопотреблението.

Хардуерната част на чипа е проектирана специално за този алгоритъм. Обработваните гаусови разпределения се съхраняват в малка бърза памет директно върху кристала, в непосредствена близост до изчислителните блокове. Изходните данни от камерата също се съхраняват във вградената памет — не е необходимо да се извличат от енергоемки външни хранилища.

Благодарение на това чипът не само изготвя карти, но и планира безопасен маршрут, като консумира едва 20% от енергията, която би била необходима при традиционния подход. Чипът вече е тестван: Gleanmer изготвя подробни 3D-карти в реално време, като получава данни директно от камерата на iPhone.

Сред потенциалните приложения са миниатюрни дронове за инспекция на промишлени вентилационни системи и откриване на газови течове в труднодостъпни места, както и леки очила за добавена реалност. Изследователите планират да повишат енергийната ефективност още повече, като разположат изчислителните блокове непосредствено до сензорите. Освен това те разглеждат възможността за използване на гаусови разпределения за анализ на схеми и чертежи — това би помогнало на изкуствения интелект да работи по-добре със сложна техническа документация.

Всичко важно от света на технологиите, директно в пощата ти.

С абонирането приемате нашите Условия и Политика за поверителност. Може да се отпишете с един клик по всяко време.