麻省理工学院新芯片助力微型机器人穿越复杂环境

麻省理工学院（MIT）的研究人员最近拿出了一个小玩意儿——一块新型芯片，专门为那些体型小巧、功耗极低的无人机量身定制。它能干嘛呢？帮这些小家伙钻进工业暖通空调系统的管道里，一边灵活地绕开障碍物，一边实时检测有没有气体泄漏。

别看它小，本事可不小。这块芯片的功耗，大概就相当于一颗LED灯泡，但却能让电池容量捉襟见肘的小型自主机器人，在移动中实时构建出精细的三维环境地图。有了这张地图，机器人就能规划出一条安全又不会撞墙的路线。

传统方案的那个“痛”

咱们先说说传统做法为什么不够好。通常情况下，要生成这么精细的三维地图，机器人需要耗费大量内存来构建和存储环境里每一个障碍物的三维表示。算一下这笔账，对硬件功耗的要求可不低。

MIT的团队走了一条不同寻常的路。他们把高效的建图算法和专门为加速这些计算负载而设计的硬件结合起来，硬是把内存占用和功耗压到了极低水平。最终，这个片上系统的功耗只有大约6毫瓦，比同类系统低了整整一个量级。也正是因为这么省电，这块芯片也特别适合用在轻量级的增强现实头显设备上——想象一下，医学院的学生戴着AR眼镜做模拟手术，或者维修技师戴着它处理精密装配，都能长时间佩戴而不用担心电量问题。

麻省理工学院电气工程与计算机科学系教授、该论文的资深作者Vivienne Sze打了个比方：“这篇论文展示了一个典型案例，说明算法和硬件协同设计能带来多大的能效提升。以前关于紧凑型三维地图的研究不少，但我们的特别之处在于，我们同时确保了‘生成地图’这个过程本身也尽可能高效。我们的芯片，可以在一颗米粒大小的空间里存下一张巨大的地图，而且耗电极少。”

论文的共同第一作者是MIT博士生傅子星和李志轩，合作者还包括航空航天系教授Sertac Karaman。这项成果已经在IEEE超大规模集成电路研讨会上正式亮相。

用“椭圆”代替“方块”，地图更紧凑

再深入一步看看，机器人构建三维地图为什么那么费电。关键在于，它得存下摄像头拍到的图像，然后对每幅图像里的每一个三维像素处理好几遍。

MIT团队放弃了几十年来的老办法——用体素（就是那种立方体形状的三维像素）来表示环境。他们换了一种叫“高斯椭球体”的椭圆形区域来映射障碍物。这些椭球体的大小、形状和厚度都可以灵活调整。简单说，好比一个圆润的曲面，你用固定大小的方块去堆，需要很多块才能拼出那个弧度；但用一个细长的椭球体，可能一个就够了。因此，无论是障碍物的表面还是机器人周围的自由空间，都能以更紧凑的形式存下来。

在这款名为Gleanmer的芯片上，研究人员采用了实验室此前开发的GMMap算法，这个算法就是用高斯椭球体来高效生成环境地图的。

传统方法里，机器人需要反复加载和处理每帧深度图像，通过逐像素比对来调整椭球体的大小和形状。但问题在于，所需的内存和功耗对于无人机这种边缘设备来说，仍然太高。为了解决这个难题，MIT团队发明了一种新技巧：只需对深度图像进行一次扫描，就能生成高精度的高斯椭球体，处理完直接丢图像，所以芯片压根不需要一次性存下整幅图像。新算法也不再让每个像素跟所有其他像素比，而是直接假定相邻像素属于同一个椭球体，只需要跟邻居对比就行了。

李志轩解释说：“任意时刻，我们只需要在内存里保存少量像素，这大幅降低了内存占用。”

算法与硬件，双剑合璧

不过，新的问题又来了。机器人在空间里移动，同一个物体从不同角度被反复观测，代表同一物体的椭球体就会发生重叠。如果不加处理，地图就会变得臃肿，难以存进芯片。

常规做法是需要对存储在内存里的大量原始像素重新处理，来融合这些重叠的椭球体。但MIT团队又开发了一招：直接对重叠的高斯椭球体执行融合操作，再也不用回溯原始像素数据。由于椭球体本身已经比像素紧凑多了，这一下又好戏连台——内存和功耗需求又进一步降低。说白了，就是让计算尽量在紧凑的高斯椭球体上完成，而不是在原始的、数据量庞大的像素上折腾。

基于这个设计原则，设计师们为芯片定制了架构：当前处理的高斯椭球体被存放在紧挨着计算单元的片上高速内存里。下一步要用到的椭球体也被提前预存进来，这样一来，芯片就完全不需要绕到距离远、功耗大的片外存储里去拿数据了。傅子星说得很形象：“设置专用内存来存过去几帧里检测到的物体，数据访问效率一下子就提上来了。”

验证与未来

研究人员用多种不同类型的预置三维环境对它进行了测试，还直接拿iPhone摄像头实时传输的数据来重建障碍物和自由空间。结果令人印象深刻：Gleanmer在实时生成精细三维地图时，功耗只有大约6毫瓦，是目前最优秀同类芯片的约2.5%。更厉害的是，在路径规划时，它可以直接复用那些紧凑的高斯椭球体，让机器人规划安全轨迹的能耗，只有原来的20%左右。

李志轩总结道：“咱们的思路是先靠算法提升效率来降低内存占用，然后再加速这个高效算法的执行负载，最终让芯片整体达到尽可能高的能效。”

研究团队还在计划继续提升能效，比如把处理单元挪到更靠近传感器的位置，甚至探索更多应用——比如用高斯椭球体来表示工程图纸，帮助AI系统更快地解析复杂蓝图。Sertac Karaman评价说：“实时三维建图一直是小型自主系统缺失的关键能力。无论是对管道巡检的无人机，还是室内导航的AR眼镜，都需要即时、持续地感知空间，且功耗要极低。Gleanmer，就在一枚指尖大小的芯片上，首次实现了这一点。”

这项研究获得了MIT-MathWorks奖学金、亚马逊、美国国家科学基金会及英特尔的部分资助。

Q&A：几个你可能关心的问题

Q1：Gleanmer芯片功耗多少？跟现有方案比优势在哪？

A：Gleanmer芯片的功耗只有约6毫瓦，相当于一颗LED灯泡的能耗，是目前最优秀同类芯片的约2.5%。同时，在路径规划时，通过复用紧凑高斯椭球体，机器人仅需花费约20%的能耗就能完成安全轨迹规划，极大地降低了边缘设备的能耗门槛。

Q2：为什么用高斯椭球体代替体素来建图？

A：因为高斯椭球体的大小、形状和厚度能灵活调整，更高效地贴合曲面物体轮廓，一个细长椭球体能覆盖需要大量体素才能表示的区域，这让地图存储更紧凑。外加算法把大多数计算直接作用于椭球体而非原始像素，显著降低了内存占用和功耗，特别适合资源受限的边缘设备。

Q3：除了无人机，还有哪些应用场景？

A：除了工业无人机检测气体泄漏，Gleanmer还非常适合轻量级AR头显设备，让用户能长时间佩戴，用于医学教育模拟、精密维修与装配等场景。研究团队还计划探索用它来表示工程图纸，帮助AI系统更高效地解析复杂蓝图，拓展更多智能应用方向。