Ein von MIT-Forschern entwickelter neuer Chip könnte winzigen UAVs mit geringem Stromverbrauch dabei helfen, Hindernissen auszuweichen, während sie in einem industriellen HVAC-System um enge Ecken flitzen, um nach Gaslecks zu suchen.
Mit dem Chip können kleine autonome Roboter und andere batteriebeschränkte Geräte in Echtzeit detaillierte 3D-Karten ihrer Umgebung erstellen und dabei nur etwa so viel Strom wie eine einzelne LED verbrauchen. Ein Roboter könnte anhand einer solchen Karte einen kollisionsfreien Weg planen, um sein Ziel zu erreichen.
Typischerweise erfordert die Erstellung solch detaillierter Karten leistungshungrige Systeme und viel Speicher, um 3D-Darstellungen der Hindernisse in der Umgebung eines Roboters zu erstellen und zu speichern.
Die MIT-Forscher verfolgten einen anderen Ansatz, indem sie einen äußerst effizienten Mapping-Algorithmus mit spezieller {Hardware} kombinierten, die die Arbeitslast beschleunigen und so den Speicher- und Stromverbrauch minimieren soll.
Dieses System-on-a-Chip verbraucht nur etwa 6 Milliwatt Strom, ein Bruchteil der Leistung, die andere Systeme benötigen.
Durch diesen stromsparenden Betrieb könnte sich der Chip auch intestine für leichte Augmented-Actuality-Headsets eignen, die über einen längeren Zeitraum getragen werden können, für Anwendungen wie medizinische Simulationen im Bildungsbereich oder detaillierte Reparatur- und Montagearbeiten.
„Dieser Artikel zeigt ein wichtiges Beispiel dafür, wie man die gemeinsame Gestaltung von Algorithmus und {Hardware} nutzen kann, um die Energieeffizienz wirklich voranzutreiben. Es wurde zwar viel an kompakten 3D-Karten gearbeitet, aber das Besondere an dieser Arbeit ist, dass sie auch sicherstellt, dass der Prozess zur Generierung dieser Karten so effizient wie möglich ist. Unser Chip ermöglicht es Ihnen, sehr große Karten auf sehr kleinem Raum zu speichern, und das auf sehr energieeffiziente Weise“, sagt Vivienne Sze, Professorin am Fachbereich Elektrotechnik und Informatik (EECS), einem Mitglied von das Analysis Laboratory of Electronics (RLE) und leitender Autor von a Papier auf dem Chip.
Sie wird bei dem Artikel von den Co-Hauptautoren und MIT-Absolventen Zih-Sing Fu und Peter Zhi Xuan Li sowie Sertac Karaman, Professor für Luft- und Raumfahrt und Direktor von LIDS, begleitet. Die Arbeit wurde kürzlich auf dem IEEE Very Giant-Scale Built-in Circuits Symposium vorgestellt.
Eine kompaktere Karte
Für einen Roboter erfordert die Erstellung einer 3D-Karte, die die Hindernisse in seiner Umgebung einschließt, normalerweise viel Energie, da er die von seiner Kamera aufgenommenen Bilder speichern und alle 3D-Pixel in jedem Bild mehrmals verarbeiten muss.
Anstatt die Umgebung mithilfe von 3D-Pixeln darzustellen, bei denen es sich um Würfel handelt, die Voxel genannt werden, verwendeten die MIT-Forscher eine Technik, die die Hindernisse im Raum mithilfe von Ellipsoid-Blobs, sogenannten Gaußschen, abbildet.
Größe, Type und Dicke dieser Ellipsoide können stufenlos angepasst werden, sodass sie sich besser an die Type gekrümmter Objekte anpassen, als wenn man starre, würfelförmige Voxel verwendet.
Wichtig ist, dass die Karte die Hindernisse und den freien Raum um den Roboter herum erfasst, und diese zusammen ermöglichen es dem Roboter, einen sicheren, kollisionsfreien Weg zu planen. Die Abbildung von Hindernissen und freiem Raum mit Voxeln verbraucht typischerweise viel Speicher, was herkömmliche Methoden stromhungrig macht. Da sich Gaußsche Gleichungen flexibel an die Geometrie anpassen können, kann ein einzelnes längliches Ellipsoid einen Bereich darstellen, der viele Voxel beanspruchen würde, sodass besetzte Flächen und freier Raum viel kompakter erfasst werden.
Für ihr neues System-on-a-Chip namens Gleanmer verwendeten die Forscher ein Algorithmus namens GMMap, den ihr Labor entwickelt hat das effizient eine 3D-Karte der Umgebung des Roboters generiert und dabei Gaußsche Gleichungen zur Darstellung von Hindernissen verwendet.
Bei herkömmlichen Ansätzen müsste ein Roboter jedes Tiefenbild mehrmals laden und verarbeiten, um die Größe und Type der Ellipsoide anzupassen. Das System erstellt normalerweise Gaußsche Gleichungen, indem es alle Pixel in einem Bild miteinander vergleicht. Der dafür benötigte Speicher- und Leistungsbedarf bleibt jedoch für viele Edge-Geräte zu hoch.
Um dieses Downside zu lösen, haben die MIT-Forscher eine Technik erfunden, die in nur einem Durchgang aus Tiefenbildern hochpräzise Gaußkurven erzeugen kann. Anschließend können sie die Bilder verwerfen, sodass der Chip nie ein ganzes Bild auf einmal speichern muss.
Anstatt jedes Pixel mit jedem anderen Pixel im 3D-Bild zu vergleichen, geht ihr Algorithmus davon aus, dass benachbarte Pixel zum gleichen Gaußschen Diagramm gehören, sodass nur jedes Pixel mit seinen Nachbarn verglichen werden muss.
„Wir müssen zu jedem Zeitpunkt nur wenige Pixel im Speicher speichern, was den Speicherbedarf unseres Algorithmus erheblich reduziert“, sagt Li.
Co-Design nutzen
Doch während sich der Roboter durch den Raum bewegt, sieht er das gleiche Objekt meist aus verschiedenen Blickwinkeln. Wenn Gaußsche Werte generiert werden, überlappen sich einige, da sie dasselbe Objekt darstellen. Dadurch kann die 3D-Karte zu groß werden, um sie auf einem Edge-Gerät zu speichern.
Durch die Verschmelzung überlappender Gauß-Werte wird die Karte kompakter, dafür muss der Algorithmus jedoch normalerweise viele im Speicher gespeicherte Rohpixel verarbeiten. Die Forscher entwickelten eine neuartige Technik, um diesen Fusionsprozess direkt an überlappenden Gaußschen Pixeln durchzuführen, ohne dass die ursprünglichen Pixel erneut überprüft werden müssen. Da Gauß-Funktionen kompakter sind als Pixel, reduziert dies den Speicher- und Strombedarf erheblich.
Dasselbe Prinzip zieht sich durch ihren Algorithmus – die meisten Berechnungen basieren direkt auf kompakten Gaußschen Operatoren und nicht auf den Originalpixeln, was eine Energieeffizienz ermöglicht.
Die Forscher machen sich dieses Prinzip zunutze, um einen Chip zu entwerfen, der die Gauß-Funktionen, an denen er aktiv arbeitet, in einem kleinen, schnellen On-Chip-Speicher direkt neben den Recheneinheiten speichert. Dies ist nur möglich, weil die Gaußsche Karte so kompakt ist.
Die Gauß-Funktionen, an denen der Roboter als nächstes arbeiten muss, warten in den On-Chip-Speichereinheiten, sodass sie nicht aus weiter entfernten, stromhungrigen Off-Chip-Speichern abgerufen werden müssen.
„Durch einen dedizierten Speicher, der nur die Objekte speichert, die Sie in den vorherigen Bildern gesehen haben, können Sie viel effizienter auf die Daten zugreifen“, erklärt Fu.
Sie testeten das System-on-a-Chip, indem sie eine Reihe verschiedener, bereits vorhandener 3D-Umgebungen rekonstruierten. Der Chip kann auch Hindernisse und freien Raum direkt aus Reside-Daten rekonstruieren, die von einer iPhone-Kamera gestreamt werden.
Gleanmer generierte detaillierte 3D-Karten in Echtzeit und verbrauchte dabei etwa 6 Milliwatt Strom. Es benötigte nur etwa 2,5 Prozent der Leistung, die der beste existierende Chip für die Kartenerstellung benötigen würde.
Durch die Wiederverwendung kompakter Gauß-Operatoren entlang des Pfads während der Planung ermöglicht der Chip einem Roboter, eine sichere Flugbahn zu bestimmen, wobei er nur etwa 20 Prozent der Energie verbraucht, die er sonst benötigen würde.
„Wir reduzieren den Speicherverbrauch, indem wir sicherstellen, dass der Algorithmus effizient ist. Dann beschleunigen wir die Arbeitslast, die von diesem effizienten Algorithmus ausgeführt wird, sodass unser Chip am Ende so effizient wie möglich ist“, sagt Li.
Die Forscher planen, die Energieeffizienz weiter zu verbessern, indem sie die Verarbeitungseinheiten auf dem Chip näher an die Sensoren rücken, die Umweltdaten sammeln. Sie könnten auch zusätzliche Anwendungen erkunden, beispielsweise die Verwendung von Gauß-Funktionen zur Darstellung von Schaltplänen. Dies könnte KI-Systemen dabei helfen, effizienter über komplexe Baupläne nachzudenken.
„Echtzeit-3D-Kartierung conflict bisher das fehlende Factor für kleine autonome Systeme. Eine Drohne, die eine Pipeline inspiziert, oder eine AR-Brille, die durch einen Raum navigiert, müssen beide den Raum um sich herum verstehen – sofort, kontinuierlich und quick ohne Stromkosten. Gleanmer macht dies zum ersten Mal mit einem Chip möglich, den man zwischen den Fingern halten kann“, sagt Karaman.
Diese Arbeit wird teilweise vom MIT-MathWorks Fellowship, Amazon, der US Nationwide Science Basis und Intel unterstützt.