麻省理工学院（MIT）研究人员开发了一款新型芯片，有望帮助体积小巧、功耗极低的无人机在工业暖通空调系统内部穿行，绕过障碍物并检测气体泄漏。

该芯片仅需约一颗LED灯泡的功耗，便能让小型自主机器人及其他受电池容量限制的设备实时构建精细的三维环境地图。机器人可借助这张地图规划出一条安全、无碰撞的行进路径。

传统三维地图生成方案的局限

通常情况下，生成如此详尽的三维地图需要大量内存来构建和存储机器人所在环境中障碍物的三维表示，对硬件功耗要求较高。

MIT研究人员另辟蹊径，将高效率的建图算法与专为加速其计算负载而设计的专用硬件相结合，从而将内存占用和功耗压缩至极低水平。

这款片上系统的功耗仅约6毫瓦，远低于同类系统的能耗水平。

低功耗特性也使该芯片非常适合轻量级增强现实头显设备，让用户能够长时间佩戴，满足医学教育模拟、精密维修与装配等应用场景的需求。

麻省理工学院电气工程与计算机科学系教授、研究实验室成员、该论文的资深作者Vivienne Sze表示："这篇论文展示了一个典型案例，说明如何通过算法与硬件的协同设计来大幅提升能效。此前已有大量研究关注紧凑型三维地图，而本研究的突出之处在于，我们同时确保了地图生成过程本身尽可能高效。我们的芯片可以在极小的空间内存储非常大的地图，并以极低的能耗完成这一过程。"

论文共同第一作者为MIT博士生傅子星（Zih-Sing Fu）和李志轩（Peter Zhi Xuan Li），合作者还包括航空航天系教授、LIDS主任Sertac Karaman。该成果近期在IEEE超大规模集成电路研讨会上正式发布。

以高斯椭球体替代体素，构建更紧凑的地图

机器人构建三维地图通常需要消耗大量功耗，因为它必须存储摄像头采集的图像，并对每幅图像中的所有三维像素进行多次处理。

MIT研究人员摒弃了以体素（立方体三维像素）表示环境的传统方式，转而采用一种称为高斯椭球体的椭圆形区域来映射空间中的障碍物。

这些椭球体的大小、形状和厚度均可灵活调整，因此相较于固定形状的体素，它们能更高效地贴合曲面物体的轮廓。

更重要的是，地图不仅捕捉障碍物，还能表示机器人周围的自由空间，二者共同支撑机器人规划出安全无碰撞的路径。由于高斯椭球体能灵活适应几何形状，单个细长椭球体即可覆盖需要大量体素才能表示的区域，因此障碍物表面与自由空间均能以更紧凑的形式存储。

在这款名为Gleanmer的片上系统中，研究人员采用了实验室此前开发的GMMap算法，该算法利用高斯椭球体高效生成机器人所处环境的三维地图。

在传统方法中，机器人需要多次加载和处理每帧深度图像，以调整椭球体的大小和形状，通常通过对比图像中所有像素来构建高斯椭球体，但所需的内存和功耗对许多边缘设备而言仍过高。

为解决这一问题，MIT研究人员发明了一种新技术：仅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，处理完成后即可丢弃图像，因此芯片无需一次性存储整幅图像。

该算法不再对图像中每个像素与其他所有像素进行比对，而是默认相邻像素属于同一高斯椭球体，从而只需与邻近像素进行比较。

李志轩表示："在任意时刻，我们只需在内存中保存少量像素，这大幅降低了算法所需的内存占用。"

算法与硬件协同设计的核心优势

然而，随着机器人在空间中移动，同一物体会从不同视角被反复观测。在生成高斯椭球体时，代表同一物体的椭球体往往会出现重叠，导致三维地图体积过大，难以存储于边缘设备。

融合重叠的高斯椭球体可以使地图更为紧凑，但传统方法通常需要对存储在内存中的大量原始像素进行重新处理。研究人员开发了一种全新技术，可直接对重叠的高斯椭球体执行融合操作，无需回溯原始像素数据。由于高斯椭球体比像素更为紧凑，这一方法显著降低了内存和功耗需求。

这一原则贯穿整个算法设计——绝大多数计算直接作用于紧凑的高斯椭球体，而非原始像素，从而实现高能效运算。

研究人员据此设计了专用芯片，将当前正在处理的高斯椭球体保存在紧邻计算单元的小型片上高速内存中，这也得益于高斯地图本身的高度紧凑性。

机器人下一步需要处理的高斯椭球体已预先存入片上内存，无需从距离更远、功耗更高的片外存储中调取。

傅子星解释道："通过设置专用内存来存储过去几帧中检测到的物体，数据访问效率可以大幅提升。"

验证与未来展望

研究人员通过对多种不同类型的预置三维环境进行重建，对该片上系统进行了测试验证。该芯片还可直接对iPhone摄像头实时传输的数据进行障碍物与自由空间的重建。

Gleanmer在实时生成精细三维地图的同时，功耗仅约6毫瓦，仅相当于目前最优秀同类建图芯片所需功耗的约2.5%。

此外，该芯片在路径规划过程中复用紧凑的高斯椭球体，使机器人能够仅消耗原本约20%的能量，即可规划出安全的行进轨迹。

李志轩表示："我们通过提升算法效率来降低内存占用，再加速这一高效算法的执行负载，最终使芯片整体达到尽可能高的能效水平。"

研究团队计划进一步提升能效，方向之一是将芯片上的处理单元移至更靠近环境数据采集传感器的位置。他们还将探索更多应用场景，例如利用高斯椭球体表示工程图纸，从而帮助AI系统更高效地解析复杂蓝图。

Karaman表示："实时三维建图一直是小型自主系统缺失的关键能力。无论是在管道中执行巡检任务的无人机，还是用于室内导航的AR眼镜，都需要即时、持续地感知周围空间，且功耗极低。Gleanmer首次在一颗指尖大小的芯片上实现了这一能力。"

本研究部分获得MIT-MathWorks奖学金、亚马逊、美国国家科学基金会及英特尔的资助支持。

Q&A

Q1：Gleanmer芯片的功耗是多少？与现有方案相比有何优势？

A：Gleanmer芯片的功耗仅约6毫瓦，相当于一颗LED灯泡的能耗，仅为目前最优秀同类建图芯片所需功耗的约2.5%。此外，在路径规划过程中，该芯片通过复用紧凑的高斯椭球体，使机器人仅需消耗原本约20%的能量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：Gleanmer芯片为什么用高斯椭球体代替体素来构建地图？

A：高斯椭球体的大小、形状和厚度可以灵活调整，能更高效地贴合曲面物体轮廓。相比固定形状的体素，单个细长椭球体就能覆盖需要大量体素才能表示的区域，使地图存储更加紧凑。同时，算法大多数计算直接作用于高斯椭球体而非原始像素，显著减少了内存占用和功耗，非常适合资源受限的边缘设备。

Q3：Gleanmer芯片除了用于无人机，还有哪些应用场景？

A：除工业无人机检测气体泄漏外，Gleanmer还非常适合轻量级增强现实头显设备，支持用户长时间佩戴，可应用于医学教育模拟、精密维修与装配等场景。此外，研究团队还计划探索利用高斯椭球体表示工程图纸，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。