一颗小芯片，解锁微型机器人复杂环境通行能力

麻省理工学院研究人员研发的一款全新芯片，能够助力微型低功耗无人机穿梭于工业暖通空调（HVAC）系统狭窄管道内，自主规避障碍物并检测燃气泄漏。该芯片可搭载于小型自主机器人及其他电池供电受限设备，仅消耗单颗LED级别的功耗，就能实时构建高精度三维环境地图。机器人依托这份地图，可规划无碰撞行进路线抵达目标点位。

常规方案生成这类精细三维地图时，系统功耗高、内存开销巨大，需要存储并运算机器人周边障碍物的三维模型数据。麻省理工团队另辟蹊径，将极致轻量化的建图算法与专用加速硬件结合，大幅削减内存占用与功耗。

这款名为Gleanmer的片上系统整体功耗仅6毫瓦，远低于同类竞品。极低的功耗特性，也让该芯片适配轻量化增强现实头显，支持长时间佩戴，可用于医疗教学仿真、精密设备维修装配等场景。

电气工程与计算机科学系（EECS）教授、电子研究实验室（RLE）成员Vivienne Sze是该芯片相关论文的通讯作者，她表示：“这篇论文清晰展示了算法与硬件协同设计大幅提升能效的典型案例。业内已有大量轻量化三维地图相关研究，但本工作的核心亮点在于，实现地图生成全流程的极致节能。我们的芯片能以极小存储空间承载超大地图，全程能耗极低。”

论文共同一作为麻省理工研究生Zih-Sing Fu、Peter ZhiXuan Li，航空航天学教授、信息与决策系统实验室（LIDS）主任Sertac Karaman也参与研究。该成果近期于IEEE国际超大规模集成电路研讨会发布。

更轻量化的地图模型

机器人构建包含障碍物的三维地图普遍功耗居高不下，原因在于系统需要持续存储相机拍摄画面，并反复处理每张图像内全部三维像素。

传统方案以立方体三维体素（voxel）表征空间环境，而麻省理工团队改用高斯椭球团模型标注空间障碍物。这类椭球可灵活调整尺寸、外形与厚度，相比固定立方体体素，能更贴合曲面物体轮廓。

关键在于，该地图可同步标记障碍物区域与机器人可通行空白区域，支撑机器人规划安全无碰撞路径。若采用体素同时记录障碍物与空地，内存消耗极高，也是传统方案功耗难降的根源。高斯椭球具备灵活贴合几何外形的特性，单个长条椭球即可覆盖大量体素才能描绘的区域，大幅压缩障碍物与空白空间的存储体积。

研究团队为Gleanmer片上系统配套自研GMMap算法，依靠高斯椭球模型高效生成机器人三维环境地图。

传统技术中，机器人需要多次读取、处理单张深度图像以调整椭球尺寸形态，系统会逐一对图像所有像素做对比生成高斯模型，内存与功耗开销难以适配多数边缘设备。

为此麻省理工团队提出全新方案：仅需单次遍历深度图像，就能生成高精度高斯模型，处理完成后即可丢弃原图，芯片无需整机缓存完整图像。算法不会将单个像素与图像内所有像素逐一比对，而是默认相邻像素归属同一高斯椭球，仅比对像素周边邻域数据。Li介绍：“任意时刻，内存中仅需缓存少量像素，算法整体内存占用大幅降低。”

算法硬件协同优化

机器人移动时会从不同视角观测同一物体，生成的高斯模型会出现重叠，导致三维地图体积过大，超出边缘设备存储上限。融合重叠高斯椭球可精简地图，但传统方式需要调取内存中大量原始像素参与运算。研究团队创新实现高斯模型直接融合，无需回溯原始像素数据。高斯模型存储体积远小于像素点，内存与功耗需求显著下降。

整套算法贯穿这一核心思路：绝大多数运算直接基于轻量化高斯模型开展，而非原始像素，以此实现高能效。

团队基于该思路完成芯片设计：将待运算高斯模型存放于紧邻计算单元的高速片上小容量内存中，这一设计得以落地，正是依托高斯地图极致精简的特性。

机器人下一阶段需要运算的高斯数据预存在片上内存，无需从距离更远、功耗更高的片外存储调取。Fu解释道：“专用内存仅缓存前几帧画面提取的空间模型，数据调取效率大幅提升。”

研究人员使用多套现成三维场景数据集完成芯片重建测试，该芯片也能基于iPhone相机实时数据流，直接还原障碍物与可通行空间。

Gleanmer可实时生成精细三维地图，全程功耗仅6毫瓦，功耗仅为当前最优同类建图芯片的2.5%。机器人规划行进路径时复用轻量化高斯模型，整体能耗相比传统方案降低80%。Li表示：“我们先通过算法优化削减内存消耗，再配套专用硬件加速这套轻量化算法，最终实现芯片能效最大化。”

团队后续计划进一步拉近芯片运算单元与环境感知传感器的距离，持续降低功耗；同时拓展应用场景，尝试用高斯模型表征工程图纸，助力AI系统高效解析复杂蓝图。

Karaman评价：“实时三维建图一直是小型自主系统的技术短板。巡检管道的无人机、室内导航AR眼镜，都需要低功耗、不间断、瞬时感知周边空间。Gleanmer是首款实现将该能力集成至掌心大小的芯片。”