麻省理工新芯片让微型机器人穿越复杂环境

麻省理工学院（MIT）的研究团队近日推出了一款创新微型芯片，专为体型小巧、功耗极低的无人机量身打造。它能帮助这些小型飞行器进入工业暖通空调管道系统，灵活绕开障碍物的同时，实时检测是否存在气体泄漏，实现高效巡检。

别看它体积小，功能却十分强大。这款芯片的功耗仅相当于一颗LED灯泡，却能让电池容量有限的自主机器人，在移动过程中实时构建出精细的三维环境地图。借助这张地图，机器人能够规划出一条安全且不会碰撞墙壁的路线，显著提升自主导航能力。

传统方案面临的痛点

先来看看传统做法为何不够理想。通常情况下，要生成如此精细的三维地图，机器人需要耗费大量内存来构建并存储环境中每个障碍物的三维表示。这一过程对硬件功耗提出了较高要求，限制了小型设备的应用。

MIT团队另辟蹊径，将高效的建图算法与专门加速这些计算负载的硬件相结合，成功将内存占用和功耗压缩至极低水平。最终，这一片上系统的功耗仅为约6毫瓦，比同类系统低了一个数量级。正因如此省电，这款芯片也非常适合用于轻量级增强现实头显设备——例如医学院学生佩戴AR眼镜进行模拟手术，或维修技师在处理精密装配时，都能长时间佩戴而无需担心电量问题。

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举例说明：“这篇论文展示了一个典型案例，说明算法与硬件协同设计能带来多大的能效提升。过去关于紧凑型三维地图的研究不少，但我们的独特之处在于，同时确保了‘生成地图’这个过程本身也尽可能高效。我们的芯片可以在米粒大小的空间里存下一张庞大的地图，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”，让地图更紧凑

深入来看，机器人构建三维地图为何如此耗电？关键在于需要存储摄像头拍摄的图像，并对每幅图像中的每个三维像素进行多次处理。

MIT团队摒弃了沿用数十年的传统方法——使用体素（即立方体形状的三维像素）来表示环境，转而采用一种名为“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、形状和厚度均可灵活调整。简单来说，好比一个圆润曲面，用固定大小的方块去堆砌，需要很多块才能拼出弧度；而使用一个细长的椭球体，可能一块就足够了。因此，无论是障碍物表面还是机器人周围的自由空间，都能以更紧凑的形式存储。

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，该算法正是利用高斯椭球体高效生成环境地图。

传统方法中，机器人需要反复加载并处理每帧深度图像，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类边缘设备来说仍然过高。为解决这一难题，MIT团队发明了一种新技巧：只需对深度图像进行一次扫描，即可生成高精度的高斯椭球体，处理完后直接丢弃图像，因此芯片完全不需要一次性存储整幅图像。新算法也不再让每个像素与其他所有像素对比，而是直接假定相邻像素属于同一个椭球体，只需与邻居比较即可。

李志轩解释道：“任意时刻，我们只需在内存中保存少量像素，这大幅降低了内存占用。”

算法与硬件，双剑合璧

然而，新的挑战随之而来。机器人在空间中移动时，同一物体从不同角度被反复观测，代表同一物体的椭球体会发生重叠。如果不加处理，地图会变得臃肿，难以存入芯片。

常规做法需要对存储在内存中的大量原始像素重新处理，以融合这些重叠的椭球体。但MIT团队又开发出一招：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得多，这进一步降低了内存和功耗需求。简而言之，就是让计算尽量在紧凑的高斯椭球体上完成，而非在原始且数据量庞大的像素上折腾。

基于这一设计原则，设计师为芯片定制了架构：当前处理的高斯椭球体被存放在紧挨计算单元的片上高速内存中，下一步要用到的椭球体也被提前预存进来，从而使芯片完全无需访问距离远、功耗高的片外存储。傅子星形象地描述道：“设置专用内存来存储过去几帧中检测到的物体，数据访问效率一下子就提上来了。”

验证与未来展望

研究人员用多种不同类型的预置三维环境对芯片进行了测试，还直接使用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，功耗仅为约6毫瓦，是目前最优秀同类芯片的约2.5%。更值得一提的是，在路径规划时，它可以直接复用那些紧凑的高斯椭球体，使机器人规划安全轨迹的能耗降低至原来的20%左右。

李志轩总结道：“我们的思路是先靠算法提升效率来降低内存占用，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。”

研究团队还计划继续提升能效，例如将处理单元挪到更靠近传感器的位置，甚至探索更多应用——比如用高斯椭球体表示工程图纸，帮助AI系统更快解析复杂蓝图。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。无论是用于管道巡检的无人机，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？与现有方案相比优势在哪？

A：Gleanmer芯片的功耗仅为约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%的能耗即可完成安全轨迹规划，大幅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，一个细长椭球体可覆盖需要大量体素才能表示的区域，从而使地图存储更紧凑。此外，算法将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。

你是一名 AI 行业编辑，请围绕下面这条热点输出一份资讯解读：
热点：麻省理工新芯片让微型机器人穿越复杂环境要求：
1. 先用一句话解释这条热点在讲什么
2. 再总结它为什么重要
3. 说明会影响哪些 AI 产品或内容方向
4. 最后给出 3 个适合资讯站使用的标题