Νέο τσιπ του MIT επιτρέπει σε μικροσκοπικά drones και ρομπότ να δημιουργούν λεπτομερείς τρισδιάστατους χάρτες του περιβάλλοντός τους καταναλώνοντας ελάχιστη ενέργεια (Interesting Engineering)
Ερευνητές του MIT ανέπτυξαν ένα τσιπ χαμηλής κατανάλωσης που επιτρέπει σε μικροσκοπικά drones και ρομπότ να δημιουργούν λεπτομερείς τρισδιάστατους χάρτες του περιβάλλοντός τους σε πραγματικό χρόνο, καταναλώνοντας μόλις περίπου 6 milliwatt ισχύος.
Το σύστημα-σε-τσιπ (system-on-a-chip), με την ονομασία Gleanmer, θα μπορούσε να βοηθήσει αυτόνομα μηχανήματα που λειτουργούν με μπαταρία να κινούνται σε πολύπλοκα περιβάλλοντα όπως βιομηχανικά συστήματα εξαερισμού, αποθήκες, σήραγγες και άλλους περιορισμένους χώρους όπου η αποφυγή εμποδίων είναι κρίσιμη.
Η τεχνολογία μπορεί επίσης να βρει εφαρμογές σε ελαφριά ακουστικά επαυξημένης πραγματικότητας, επιτρέποντάς τους να χαρτογραφούν εσωτερικούς χώρους χωρίς να εξαντλούν τις μπαταρίες.
Το τσιπ συνδυάζει εξειδικευμένο υλικό με έναν συμπαγή αλγόριθμο χαρτογράφησης που μειώνει δραστικά τη μνήμη και την ενέργεια που απαιτούνται για τη δημιουργία τρισδιάστατων αναπαραστάσεων του κόσμου γύρω από ένα ρομπότ.
Χαρτογράφηση χωρίς επιβάρυνση
Η δημιουργία λεπτομερών τρισδιάστατων χαρτών απαιτεί συνήθως από τα ρομπότ να επεξεργάζονται μεγάλους όγκους δεδομένων εικόνας και να αποθηκεύουν πολύπλοκες αναπαραστάσεις του περιβάλλοντός τους.
Αυτές οι εργασίες απαιτούν συχνά σημαντική μνήμη και ισχύ, γεγονός που δυσκολεύει την εφαρμογή τους σε μικρές συσκευές που λειτουργούν με μπαταρία.
Αντί να βασίζεται σε συμβατικούς χάρτες τύπου voxel, οι οποίοι αναπαριστούν τα περιβάλλοντα μέσω εκατομμυρίων μικροσκοπικών κύβων, η ομάδα του MIT χρησιμοποιεί εύκαμπτα ελλειψοειδή σχήματα γνωστά ως Gaussians.
Τα σχήματα αυτά μπορούν να αναπαραστήσουν πιο αποτελεσματικά καμπύλα αντικείμενα και ανοιχτούς χώρους, απαιτώντας παράλληλα πολύ λιγότερη μνήμη.
Οι ερευνητές συνδύασαν το τσιπ με έναν αλγόριθμο χαρτογράφησης που ονομάζεται GMMap, ο οποίος δημιουργεί τρισδιάστατους χάρτες από εικόνες βάθους σε μία μόνο διέλευση επεξεργασίας.
Αυτό επιτρέπει στο σύστημα να απορρίπτει τα δεδομένα εικόνας σχεδόν αμέσως, αντί να τα αποθηκεύει και να τα επεξεργάζεται επανειλημμένα.
«Σε οποιαδήποτε χρονική στιγμή, χρειάζεται να αποθηκεύουμε μόνο λίγα pixel στη μνήμη, κάτι που μειώνει σημαντικά τις απαιτήσεις μνήμης του αλγορίθμου μας», δήλωσε ο Peter Zhi Xuan Li, ένας από τους κύριους συγγραφείς της μελέτης.
Το σύστημα αποφεύγει επίσης ένα ακόμη συνηθισμένο πρόβλημα της χαρτογράφησης. Καθώς ένα ρομπότ κινείται, συχνά παρατηρεί το ίδιο αντικείμενο από πολλαπλές γωνίες, δημιουργώντας επικαλυπτόμενες αναπαραστάσεις που αυξάνουν το μέγεθος του χάρτη.
Η ομάδα του MIT ανέπτυξε μια μέθοδο συγχώνευσης επικαλυπτόμενων Gaussians απευθείας, χωρίς να χρειάζεται επιστροφή στα αρχικά δεδομένα εικόνας.
Μικροσκοπικό τσιπ, μεγάλες δυνατότητες
Αυτή η προσέγγιση επέτρεψε στους ερευνητές να διατηρούν μεγάλο μέρος των ενεργών δεδομένων σε γρήγορη ενσωματωμένη μνήμη του τσιπ, αντί να βασίζονται σε ενεργοβόρα εξωτερική αποθήκευση.
«Διαθέτοντας μια ειδική μνήμη που αποθηκεύει μόνο τα αντικείμενα που έχουν εντοπιστεί στα προηγούμενα λίγα καρέ, μπορείς να αποκτήσεις πρόσβαση στα δεδομένα πολύ πιο αποτελεσματικά», δήλωσε ο συν-επικεφαλής συγγραφέας Zih-Sing Fu.
Σε δοκιμές που περιλάμβαναν διάφορα προϋπάρχοντα καταγεγραμμένα περιβάλλοντα, το Gleanmer δημιούργησε λεπτομερείς τρισδιάστατους χάρτες σε πραγματικό χρόνο καταναλώνοντας περίπου 6 milliwatt ισχύος.
Σύμφωνα με τους ερευνητές, αυτό αντιστοιχεί σε περίπου 2,5% της ενέργειας που απαιτεί το καλύτερο υπάρχον τσιπ που έχει σχεδιαστεί για δημιουργία χαρτών.
Το τσιπ μπορεί επίσης να ανακατασκευάζει απευθείας εμπόδια και ελεύθερους χώρους από ζωντανά δεδομένα που μεταδίδονται από κάμερα iPhone.
Επαναχρησιμοποιώντας τις συμπαγείς αναπαραστάσεις Gaussian κατά τον σχεδιασμό διαδρομής, το σύστημα επιτρέπει στα ρομπότ να υπολογίζουν διαδρομές χωρίς συγκρούσεις χρησιμοποιώντας περίπου το 20% της ενέργειας που απαιτείται συνήθως.
«Αυτή η εργασία αποτελεί χαρακτηριστικό παράδειγμα του πώς μπορεί να αξιοποιηθεί ο συνδυασμένος σχεδιασμός αλγορίθμου και υλικού ώστε να επιτευχθεί πραγματικά υψηλή ενεργειακή αποδοτικότητα», δήλωσε η Vivienne Sze, καθηγήτρια ηλεκτρολογικής μηχανικής και επιστήμης υπολογιστών στο MIT και ανώτερη συγγραφέας της μελέτης.
Οι ερευνητές πιστεύουν ότι μελλοντικές εκδόσεις θα μπορούσαν να γίνουν ακόμη πιο αποδοτικές, τοποθετώντας τους υπολογιστικούς πόρους πιο κοντά στους ενσωματωμένους αισθητήρες.
Πέρα από τη ρομποτική, η ομάδα εξετάζει επίσης κατά πόσο οι αναπαραστάσεις που βασίζονται σε Gaussians μπορούν να βοηθήσουν τα υπολογιστικά συστήματα να επεξεργάζονται τεχνικά σχέδια και πολύπλοκα διαγράμματα πιο αποτελεσματικά.
(Η έρευνα παρουσιάστηκε στο συμπόσιο IEEE Very Large-Scale Integrated Circuits Symposium)
www.worldenergynews.gr
