Novi čip za kretanje robota kroz složena okruženja

Novi čip koji su razvili istraživači s američkog tehnološkog instituta MIT, mogao bi pomoći malim bespilotnim letjelicama male snage da izbjegnu prepreke dok jure po uskim kutovima unutar industrijskog HVAC sustava kako bi primjerice provjerili curenje plina.

Čip omogućuje malim autonomnim robotima i drugim uređajima s ograničenim baterijama da u stvarnom vremenu konstruiraju detaljne 3D karte svojih okruženja koristeći samo otprilike onoliko energije koliko koristi jedna LED dioda. Robot bi mogao koristiti takvu kartu za planiranje puta bez sudara kako bi došao do svog cilja.

Tipično, generiranje takvih detaljnih mapa zahtijeva sustave koji zahtijevaju mnogo energije i mnogo memorije za izgradnju i pohranu 3D prikaza prepreka u okruženju robota.

Istraživači s MIT-a zauzeli su drugačiji pristup kombinirajući izuzetno učinkovit algoritam mapiranja sa specijaliziranim hardverom dizajniranim za ubrzavanje njegovog radnog opterećenja, što minimizira potrošnju memorije i energije.

Ovaj sustav na čipu troši samo oko 6 milivata energije, što je djelić snage potrebne drugim sustavima.

Za robota, generiranje 3D karte koja uključuje prepreke u njegovom okruženju obično zahtijeva puno energije jer mora pohraniti slike snimljene kamerom i više puta obraditi sve 3D piksele u svakoj slici.

Umjesto predstavljanja okoline pomoću 3D piksela, koji su kocke zvane vokseli, istraživači MIT-a koristili su tehniku ​​koja mapira prepreke u prostoru pomoću elipsoidnih mrlja zvanih Gaussovi dijagrami.

Veličina, oblik i debljina ovih elipsoida mogu se glatko prilagoditi, tako da učinkovitije odgovaraju obliku zakrivljenih objekata nego ako se koriste kruti vokseli u obliku kocke.

Važno je napomenuti da karta prikazuje prepreke i slobodni prostor oko robota, što zajedno omogućuje robotu planiranje sigurne putanje bez sudara. Mapiranje prepreka i slobodnog prostora vokselima obično troši puno memorije, što tradicionalne metode čini zahtjevnima za snagu.

Budući da Gaussove krivulje mogu fleksibilno prilagoditi geometriju, jedan izduženi elipsoid može predstavljati područje koje bi zauzelo mnogo voksela, pa se zauzete površine i slobodni prostor snimaju mnogo kompaktnije.

Za svoj novi sustav na čipu, nazvan Gleanmer, istraživači su koristili  algoritam koji je razvio njihov laboratorij nazvan GMMap, a koji učinkovito generira 3D kartu robotskog okruženja koristeći Gaussove krivulje za predstavljanje prepreka.

Istraživači s MIT-a izumili su tehniku ​​koja može generirati vrlo točne Gaussove krivulje iz dubinskih slika samo jednim prolazom, nakon čega mogu odbaciti slike, tako da čip nikada ne mora pohranjivati ​​cijelu sliku odjednom.

Umjesto usporedbe svakog piksela sa svakim drugim pikselom u 3D slici, njihov algoritam pretpostavlja da susjedni pikseli pripadaju istoj Gaussovoj raspodjeli, pa je potrebno samo usporediti svaki piksel sa susjedima.

Spajanje preklapajućih Gaussovih krivulja čini mapu kompaktnijom, ali to obično zahtijeva da algoritam obradi mnogo sirovih piksela pohranjenih u memoriji. Istraživači su razvili novu tehniku ​​za izravno izvođenje ovog procesa fuzije na preklapajućim Gaussovim krivuljama, bez potrebe za ponovnim pregledavanjem izvornih piksela. Budući da su Gaussove krivulje kompaktnije od piksela, to značajno smanjuje zahtjeve za memorijom i energijom.

Isti princip provlači se kroz njihov algoritam. Većina izračuna radi izravno na kompaktnim Gaussovim krivuljama, a ne na originalnim pikselima, što omogućuje energetsku učinkovitost.

Istraživači koriste ovo načelo kako bi dizajnirali čip koji Gaussove krivulje na kojima aktivno radi drži unutar male, brze memorije na čipu, odmah pored računalnih jedinica. To je moguće samo zato što je Gaussova mapa tako kompaktna.

Gaussove veličine na kojima robot sljedeće treba raditi čekaju u memorijskim jedinicama na čipu, tako da ih nije potrebno dohvaćati iz udaljenije, energetski zahtjevnije, izvančipske pohrane.

Testirali su sustav na čipu rekonstruirajući niz različitih, već postojećih 3D okruženja. Čip također može rekonstruirati prepreke i osloboditi prostor izravno iz podataka uživo koji se prenose s kamere iPhonea.

Gleanmer je generirao detaljne 3D karte u stvarnom vremenu trošeći oko 6 milivata energije. To je zahtijevalo samo oko 2,5 posto snage koju bi trebao najbolji postojeći čip za izradu karata.

Ponovnom upotrebom kompaktnih Gaussovih krivulja duž putanje dok planira, čip omogućuje robotu da isplanira sigurnu putanju koristeći samo oko 20 posto energije koja bi mu inače bila potrebna.

Istraživači planiraju dodatno poboljšati energetsku učinkovitost premještanjem procesorskih jedinica na čipu bliže senzorima koji prikupljaju podatke o okolišu. Također bi mogli istražiti dodatne primjene, poput korištenja Gaussovih distorzija za predstavljanje shema. To bi moglo pomoći AI sustavima da učinkovitije rasuđuju o složenim nacrtima.

Znanstveni rad možete pronaći na ovoj poveznici.