Chip wielkości diody LED daje małym dronom zmysł przestrzeni

Robot, który nie rozumie przestrzeni, nie jest autonomiczny — to tylko zdalnie sterowana maszyna z czujnikami. Naukowcy z MIT pokazali układ, który ma to zmienić, a robi to przy poborze prądu porównywalnym z pojedynczą diodą LED.

Chip, który widzi w czasie rzeczywistym

→ Czytaj też: Most z drukarki 3D w 20 godzin. MIT tnie beton o 76% i zmienia budownictwo

Gleanmer to system-on-a-chip zaprojektowany z myślą o małych robotach, dronach i urządzeniach ograniczonych energetycznie. Jego zadanie brzmi prosto: tworzyć szczegółowe mapy 3D otoczenia na żywo, by maszyna wiedziała, gdzie może przelecieć, przejechać albo przejść bez zderzenia.

W praktyce to jeden z najważniejszych klocków autonomii. Bez niego dron w kanale wentylacyjnym czy robot w przemysłowej rurze pozostaje ślepy. Według opisu prac MIT układ powstał w procesie 16 nm i został zaprezentowany na konferencji IEEE VLSI 2026.

Sześciany kontra elipsoidy

→ Czytaj też: Malowana elektronika na skórze. Rekin na dłoni mierzył pracę serca

Tradycyjne systemy 3D dzielą przestrzeń na woksele — małe sześciany opisujące obszary zajęte i wolne. Im dokładniejsza mapa, tym więcej elementów trzeba przechowywać i przeliczać. Każdy taki ruch zżera energię, a w miniaturowym sprzęcie energia stanowi walutę ważniejszą niż liczba rdzeni.

Zespół z MIT odszedł od kostek. Gleanmer korzysta z algorytmu GMMap, który opisuje otoczenie za pomocą gaussowskich elipsoid. Jeden wydłużony obiekt matematyczny zastępuje wiele małych elementów mapy, więc robot nie musi taszczyć rozrośniętej reprezentacji świata.

Najważniejsze jest jednak połączenie algorytmu z układem scalonym zaprojektowanym specjalnie pod niego. MIT nie wrzuca ciężkiego problemu na uniwersalny procesor — dopasowuje sposób opisu świata do sprzętu, a sprzęt do sposobu opisu świata. GMMap generuje reprezentacje z obrazów głębi w jednym przebiegu, zakładając, że sąsiednie piksele często należą do tej samej powierzchni.

6 mW, 88 klatek i ogromne oszczędności

Liczby z prezentacji robią wrażenie dopiero w połączeniu z poborem energii. Gleanmer przetwarza obrazy 640 x 480 pikseli z szybkością przekraczającą 88 klatek na sekundę podczas budowania mapy. Obsługuje przy tym ponad 540 tysięcy zapytań o współrzędne na sekundę.

• około 6 miliwatów poboru mocy podczas mapowania na żywo
• tylko 2,5 procent energii wymaganej przez najlepszy istniejący chip do budowy map cyfrowych
• do 63 procent mniej energii przy konstrukcji mapy i do 81 procent mniej przy jej sprawdzaniu
• planowanie bezkolizyjnej trasy przy około 20 procentach energii typowego podejścia
• powierzchnia akceleratora mniejsza o 38 procent dzięki przybliżonym obliczeniom na reprezentacjach gaussowskich

Gdy robot zobaczy ten sam obiekt z innej strony, nakładające się reprezentacje gaussowskie scalają się bez powrotu do surowych danych obrazu. Dla małej maszyny oznacza to mniej odczytów z pamięci, mniej pracy i dłuższą szansę na działanie poza laboratorium.

Co to zmienia poza laboratorium

Gleanmer nie obiecuje humanoida sprzątającego mieszkanie. Pokazuje za to, że bardzo konkretny element autonomii przesunął się bliżej progu praktyczności. Robot wciąż potrzebuje czujników, napędu, łączności i sensownego oprogramowania wyższego poziomu.

Zastosowania nasuwają się jednak same: inspekcja tuneli, magazynów, kanałów wentylacyjnych i rurociągów, do których człowiek nie chce albo nie powinien wchodzić. W ratownictwie różnica jest fundamentalna — między maszyną, która „ma kamerę”, a taką, która „rozumie, gdzie jest”. Autonomia zaczyna się od percepcji, a percepcja musi zmieścić się w ograniczeniach sprzętu.