Chip 6 mW milik MIT memungkinkan drone kecil melihat dan memetakan lingkungan sekitarnya secara real time
Peneliti MIT telah mengembangkan chip berdaya rendah yang memungkinkan drone dan robot kecil membuat peta 3D mendetail di sekitarnya secara real time dengan hanya mengonsumsi daya sekitar 6 miliwatt. System-on-a-chip, yang disebut Gleanmer, dapat membantu mesin otonom bertenaga baterai menavigasi lingkungan yang berantakan seperti sistem ventilasi industri, gudang, terowongan, dan ruang terbatas lainnya di mana penghindaran rintangan sangat penting. Teknologi ini juga dapat diterapkan pada headset augmented reality yang ringan, memungkinkan mereka memetakan lingkungan dalam ruangan tanpa menguras baterai. Chip ini menggabungkan perangkat keras khusus dengan algoritma pemetaan kompak yang secara dramatis mengurangi memori dan energi yang dibutuhkan untuk membuat representasi 3D dari dunia sekitar robot. Pemetaan tanpa beban Membangun peta 3D yang terperinci biasanya memerlukan robot untuk memproses data gambar dalam jumlah besar dan menyimpan representasi kompleks dari lingkungan sekitarnya. Tugas-tugas ini sering kali memerlukan memori dan daya yang besar, sehingga sulit diterapkan pada perangkat kecil bertenaga baterai. Alih-alih mengandalkan peta konvensional berbasis voxel, yang mewakili lingkungan menggunakan jutaan kubus kecil, tim MIT menggunakan bentuk ellipsoid fleksibel yang dikenal sebagai Gaussians. Bentuk-bentuk ini dapat merepresentasikan objek melengkung dan ruang terbuka dengan lebih efisien, namun memerlukan memori yang jauh lebih sedikit. Para peneliti memasangkan chip tersebut dengan algoritma pemetaan yang disebut GMMap, yang membuat peta 3D dari gambar kedalaman dalam sekali lintasan. Hal ini memungkinkan sistem untuk segera membuang data gambar daripada menyimpan dan memprosesnya berulang kali. “Pada suatu saat, kami hanya perlu menyimpan beberapa piksel dalam memori, yang secara signifikan mengurangi jejak memori yang dibutuhkan algoritma kami,” kata Peter Zhi Xuan Li, salah satu penulis utama studi tersebut. Sistem ini juga menghindari tantangan umum lainnya dalam pemetaan. Saat robot bergerak, robot sering kali mengamati objek yang sama dari berbagai sudut, menciptakan representasi yang tumpang tindih sehingga meningkatkan ukuran peta. Tim MIT mengembangkan metode untuk menggabungkan Gaussian yang tumpang tindih secara langsung tanpa kembali ke data gambar asli. Chip kecil, jangkauan besar Pendekatan ini memungkinkan para peneliti untuk menyimpan sebagian besar data aktif dalam memori on-chip yang cepat dibandingkan mengandalkan penyimpanan eksternal yang boros daya. “Dengan memiliki memori khusus yang hanya menyimpan objek yang Anda lihat di beberapa frame sebelumnya, Anda dapat mengakses data dengan lebih efisien,” kata salah satu penulis utama Zih-Sing Fu. Dalam pengujian yang melibatkan berbagai lingkungan yang direkam sebelumnya, Gleanmer menghasilkan peta 3D terperinci secara real-time sambil mengonsumsi daya sekitar 6 miliwatt. Menurut para peneliti, jumlah ini kira-kira 2,5% dari energi yang dibutuhkan oleh chip terbaik yang dirancang untuk pembuatan peta. Chip ini juga dapat merekonstruksi rintangan dan mengosongkan ruang langsung dari data langsung yang dialirkan dari kamera iPhone. Dengan menggunakan kembali representasi Gaussian yang ringkas selama perencanaan jalur, sistem ini memungkinkan robot menghitung rute bebas tabrakan dengan menggunakan sekitar 20% energi yang biasanya dibutuhkan. “Makalah ini menunjukkan contoh penting bagaimana Anda dapat memanfaatkan desain bersama dari algoritma dan perangkat keras untuk benar-benar mendorong efisiensi energi,” kata Vivienne Sze, profesor teknik elektro dan ilmu komputer di MIT dan penulis senior studi tersebut. Para peneliti yakin versi masa depan bisa menjadi lebih efisien dengan menempatkan sumber daya komputasi lebih dekat ke sensor onboard. Selain robotika, tim juga mengeksplorasi apakah representasi berbasis Gaussian dapat membantu sistem komputasi memproses gambar teknis dan skema kompleks dengan lebih efisien. Penelitian ini dipresentasikan pada Simposium Sirkuit Terpadu Berskala Sangat Besar IEEE.
Diterbitkan : 2026-06-24 00:21:00
sumber : interestingengineering.com
