新型芯片可帮助微型机器人穿越复杂环境

MIT News — Artificial Intelligence 2026/06/23 04:00 产品

chip robotics 3d-mapping low-power uav mit system-on-chip

摘要

麻省理工学院的研究人员开发了一种新型系统级芯片，使微型机器人能够仅用约6毫瓦功率实时创建其环境的详细3D地图，有望在复杂空间中实现长时间自主导航。

麻省理工学院研究人员开发的新型芯片可帮助小型低功耗无人机在工业暖通空调系统内快速穿梭于狭窄角落时避开障碍物，以便检查气体泄漏。该芯片使小型自主机器人和其他受电池限制的设备能够仅用约一颗LED的功率实时构建其环境的详细3D地图。机器人可利用这种地图规划无碰撞路径以到达目标。通常，生成此类详尽地图需要高功耗系统和大量内存来构建和存储机器人环境中障碍物的3D表示。麻省理工学院的研究人员采用了一种不同的方法，将极其高效的建图算法与专为加速其工作负载而设计的专用硬件相结合，从而最大程度地减少了内存和功耗。 这种系统级芯片仅消耗约6毫瓦功率，是其他系统所需功率的一小部分。 这种低功耗特性也使该芯片非常适合可长时间佩戴的轻量级增强现实头显，适用于教育医学模拟或精细维修与装配工作等应用。“这篇论文展示了一个关键示例，说明如何利用算法和硬件的协同设计来真正提高能效。虽然已有许多关于紧凑型3D地图的研究，但这项工作的突出之处在于它还确保生成这些地图的过程尽可能高效。我们的芯片允许您在非常小的空间中存储非常大的地图，并且以非常节能的方式进行，”Vivienne Sze（电气工程与计算机科学系（EECS）教授、电子研究实验室（RLE）成员，以及一篇<a href="https://arxiv.org/pdf/2603.29005" target="_blank">关于该芯片的论文</a>的资深作者）说道。该论文的共同第一作者、麻省理工学院研究生Zih-Sing Fu和Peter Zhi Xuan Li，以及航空航天学教授、LIDS主任Sertac Karaman也参与了此项研究。该工作近日在IEEE超大规模集成电路研讨会上发表。更紧凑的地图对于机器人来说，生成包含其环境中障碍物的3D地图通常需要大量功耗，因为它必须存储相机捕获的图像，并多次处理每张图像中的全部3D像素。麻省理工学院的研究人员没有使用称为体素的立方体3D像素来表示环境，而是采用一种利用称为高斯的椭球状斑块来映射空间中障碍物的技术。 这些椭球的大小、形状和厚度可以平滑调整，因此与使用刚性的立方体体素相比，它们能更高效地匹配弯曲物体的形状。 重要的是，该地图捕捉了机器人周围的障碍物和自由空间，两者共同使机器人能够规划安全无碰撞的路径。使用体素映射障碍物和自由空间通常消耗大量内存，这使得传统方法功耗高。由于高斯可以灵活地贴合几何形状，单个细长椭球就能代表原本需要许多体素的区域，因此占用表面和自由空间的捕获更加紧凑。对于他们名为Gleanmer的新型系统级芯片，研究人员采用了其实验室开发的一种<a href="https://arxiv.org/pdf/2306.03740" target="_blank">算法GMMap</a>，该算法使用高斯表示障碍物，高效生成机器人环境的3D地图。 采用传统方法，机器人需要多次加载和处理每张深度图像以调整椭球的大小和形状。系统通常通过比较图像中的所有像素来构建高斯。但对于许多边缘设备来说，这样做所需的内存和功耗仍然过高。为解决这个问题，麻省理工学院的研究人员发明了一种技术，仅需一次遍历即可从深度图像生成高度准确的高斯，之后可以丢弃图像，因此芯片永远不必一次性存储整张图像。 与将每个像素与3D图像中所有其他像素进行比较不同，他们的算法假设相邻像素属于同一个高斯，因此只需将每个像素与其相邻像素进行比较。“在任何时刻，我们只需在内存中存储几个像素，这显著减少了算法所需的内存占用，”Li说道。利用协同设计但当机器人在空间中移动时，它通常从不同视角看到同一物体。当生成高斯时，有些会重叠，因为它们代表同一物体。这可能导致3D地图过大，无法存储在边缘设备上。融合重叠的高斯可使地图更紧凑，但这样做通常需要算法处理存储在内存中的许多原始像素。研究人员开发了一种新技术，可直接在重叠的高斯上执行融合过程，而无需重新访问原始像素。由于高斯比像素更紧凑，这显著降低了内存和功耗需求。同样的原则贯穿其算法——大多数计算直接作用于紧凑的高斯而非原始像素，从而实现能效。研究人员利用这一原则设计了一款芯片，将正在处理的高斯保存在计算单元旁边的小型快速片内存储器中。这之所以可能，是因为高斯地图非常紧凑。机器人下一步需要处理的高斯已经在片内存储单元中等待，因此无需从更远、功耗更高的片外存储器中获取。 “通过拥有一个专门存储前几帧中看到物体的存储器，您可以更高效地访问数据，”Fu解释道。他们通过重建一系列多样化的现有3D环境来测试该系统级芯片。该芯片还可以直接从iPhone摄像头流式传输的实时数据中重建障碍物和自由空间。Gleanmer在实时生成详细3D地图的同时消耗约6毫瓦功率。其功耗仅为现有最佳建图芯片所需功耗的约2.5%。 通过在规划路径时重复使用紧凑的高斯，该芯片使机器人仅需使用原本所需能量的约20%即可规划安全轨迹。“我们通过确保算法高效来降低内存消耗。然后我们加速该高效算法执行的工作负载，因此最终我们的芯片尽可能高效，”Li说道。研究人员计划通过将芯片上的处理单元移近收集环境数据的传感器来进一步提高能效。他们还可以探索其他应用，例如使用高斯表示示意图。这有助于AI系统更高效地推理复杂蓝图。“实时3D建图一直是小型自主系统中缺失的一环。检查管道的无人机或导航房间的AR眼镜都需要理解周围空间——即时、连续且几乎零功耗。Gleanmer首次在可以捏在指尖的芯片上实现了这一点，”Karaman说道。这项工作部分得到了MIT-MathWorks Fellowship、Amazon、美国国家科学基金会和Intel的支持。

查看原文

查看缓存全文

缓存时间: 2026/06/23 13:40

# 新芯片或能帮助微型机器人穿越复杂环境来源：https://news.mit.edu/2026/new-chip-could-help-tiny-robots-traverse-complex-environments-0623 MIT研究人员开发的一款新芯片，能够帮助微型低功耗无人机在工业暖通空调系统的狭窄角落中穿梭飞行时避障，从而检查气体泄漏。这款芯片能让小型自主机器人及其他受电池限制的设备，仅用相当于单个LED的功耗，实时构建其周围环境的详细3D地图。机器人可利用该地图规划一条无碰撞路径以到达目标。通常，生成如此详尽的地图需要高功耗系统和大量内存来构建并存储机器人环境中的障碍物3D表征。 MIT研究人员采取了不同方法：他们将一种极其高效的建图算法与专门设计用于加速其工作负载的硬件相结合，从而最大限度降低了内存和功耗。这款系统级芯片功耗仅约6毫瓦，是其他系统所需功耗的极小一部分。这种低功耗特性也使该芯片非常适合用于可长时间佩戴的轻量级增强现实头显，应用于教育医疗模拟或精细维修装配工作等场景。 "这篇论文展示了一个关键范例，说明如何通过算法与硬件的协同设计来真正提升能效。虽然已有大量研究致力于紧凑型3D地图，但这项工作与众不同之处在于，它还确保了生成这些地图的过程尽可能高效。我们的芯片能在极小的空间内存储非常大的地图，并且以极高的能效完成这一过程。"电气工程与计算机科学系（EECS）教授、电子研究实验室（RLE）成员、该芯片相关论文的资深作者Vivienne Sze表示。该论文的共同第一作者为MIT研究生Zih-Sing Fu和Peter Zhi Xuan Li，以及航空航天学教授、信息与决策系统实验室（LIDS）主任Sertac Karaman。该工作近日在IEEE超大规模集成电路研讨会上发表。 **更紧凑的地图** 对于机器人而言，生成包含环境障碍物的3D地图通常需要大量功耗，因为它必须存储摄像头捕获的图像，并对每张图像中的每个3D像素进行多次处理。 MIT研究人员没有使用称为体素的立方体3D像素来表征环境，而是采用了一种利用称为高斯（椭球）的椭球体来映射空间中障碍物的技术。这些椭球的大小、形状和厚度可以平滑调整，因此与使用刚性立方体体素相比，能更高效地匹配曲面物体的形状。重要的是，该地图能够捕捉机器人周围的障碍物和自由空间，两者结合让机器人能够规划一条安全无碰撞的路径。用体素映射障碍物和自由空间通常会消耗大量内存，这使得传统方法功耗巨大。由于高斯（椭球）能灵活拟合几何形状，一个细长的椭球就能代表原本需要多个体素的区域，因此占据的表面和自由空间被远为紧凑地捕获。研究人员为其名为Gleanmer的新型系统级芯片采用了其实验室开发的算法GMMap，该算法利用高斯（椭球）高效生成机器人环境3D地图。采用传统方法时，机器人需要多次加载并处理每张深度图像，以调整椭球的大小和形状。系统通常通过将图像中所有像素相互比较来构建高斯（椭球）。但这样做所需的内存和功耗对于许多边缘设备而言仍然过高。为解决这一问题，MIT研究人员发明了一种技术，只需一次扫描即可从深度图像生成高精度的高斯（椭球），之后便可丢弃图像，因此芯片从不需要一次性存储整张图像。他们的算法没有将每个像素与3D图像中的其他每个像素进行比较，而是假设相邻像素属于同一个高斯（椭球），因此只需将每个像素与其邻居进行比较。 "在任何时刻，我们只需在内存中存储少量像素，这显著减少了算法所需的内存占用。"Li表示。 **利用协同设计** 但随着机器人在空间中移动，它通常会从不同视角看到同一物体。当它生成高斯（椭球）时，由于代表同一物体，有些会重叠。这可能导致3D地图过大而无法存储在边缘设备上。融合重叠的高斯（椭球）能使地图更紧凑，但通常需要算法处理存储在内存中的许多原始像素。研究人员开发了一种新技术，直接在重叠的高斯（椭球）上执行融合过程，而无需重新访问原始像素。由于高斯（椭球）比像素更紧凑，这显著降低了内存和功耗需求。同样的原则贯穿于他们的算法——大多数计算直接作用于紧凑的高斯（椭球）而非原始像素，从而实现了能效提升。研究人员利用这一原则设计芯片，将当前正在处理的高斯（椭球）保留在紧邻计算单元的小型快速片上内存中。这之所以可能，正是因为高斯地图非常紧凑。机器人接下来需要处理的高斯（椭球）已等待在片上内存单元中，因此无需从更远、功耗更高的片外存储器中获取。 "通过设置专用内存仅存储前几帧中看到的物体，你可以更高效地访问数据。"Fu解释道。他们通过重建一系列多样化的现有3D环境来测试该系统级芯片。该芯片还能直接从iPhone摄像头流式传输的实时数据中重建障碍物和自由空间。 Gleanmer在实时生成详细3D地图的同时，功耗仅约6毫瓦。其功耗仅约为现有最佳建图芯片所需功耗的2.5%。通过在其规划路径上重用紧凑的高斯（椭球），该芯片使机器人绘制安全轨迹所需的能量仅为原先所需能量的约20%。 "我们通过确保算法的效率来减少内存消耗。然后我们加速该高效算法执行的工作负载，因此最终我们的芯片实现了尽可能高的能效。"Li表示。研究人员计划通过将芯片上的处理单元移近收集环境数据的传感器，进一步提高能效。他们还可以探索其他应用，例如利用高斯（椭球）表示原理图，这可能帮助AI系统更高效地推理复杂蓝图。 "实时3D建图一直是小型自主系统的缺失拼图。无论是检查管道的无人机，还是在房间中导航的增强现实眼镜，都需要即时、持续且几乎不消耗功耗地理解周围空间。Gleanmer首次实现这一点，而且是在一个手指大小的芯片上。"Karaman表示。该工作部分得到MIT-MathWorks奖学金、亚马逊、美国国家科学基金会和英特尔的支持。

新型芯片可帮助微型机器人穿越复杂环境

相似文章

AI系统学会让仓库机器人交通顺畅运行

一款可在手机上运行的微型开源自动驾驶AI [P]

有史以来首次，8个Codex-AutoResearch代理赋予机器人舰队生命，实现端到端成功解决物理世界任务，中间无需人工桥梁……在Nvidia Gear Lab中自我改进一部分

生成式AI赋能穿透障碍物的无线视觉系统

@rohanpaul_ai: 麻省理工学院新项目，由编织纤维制成的人造肌肉驱动软体机械臂。关键在于微型嵌入式泵……

提交意见反馈