- MIT desenvolveu o Gleanmer, um system-on-a-chip que gera mapas 3D em tempo real usando elipsoides Gaussiano para representar obstáculos, ajudando drones e robôs pequenos a navegar por ambientes complexos como dutos de HVAC.
- O chip combina um algoritmo de mapeamento eficiente (GMMap) com hardware dedicado, reduzindo memória e consumo de energia para cerca de 6 miliwatts.
- O mapa captura obstáculos e espaço livre, permitindo que o robô planeje trajetórias sem colisões; os Gaussians oferecem representação mais compacta do que voxel.
- O sistema pode reconstruir mapas a partir de dados ao vivo, incluindo imagens de câmeras, e mostrou economias significativas de energia em relação a soluções convencionais.
- Pesquisadores pretendem aprimorar movendo as unidades de processamento para perto dos sensores e explorar aplicações, como óculos de realidade aumentada; apresentação ocorreu no IEEE Symposium.
MIT desenvolveu um chip que permite mapas 3D em tempo real com baixo consumo, viabilizando drones minúsculos a navegar por ambientes complexos, como HVAC industriais, para verificar vazamentos de gás.
O sistema-on-a-chip, batizado Gleanmer, usa uma abordagem de mapeamento com Gaussians para representar obstáculos e espaço livre, consumindo cerca de 6 miliwatts.
O trabalho foi apresentado no IEEE Very Large-Scale Integrated Circuits Symposium, com autoria de Vivienne Sze e estudantes da MIT, Zih-Sing Fu e Peter Zhi Xuan Li, além de Sertac Karaman.
Como funciona a redução de memória
Ao invés de voxels 3D, o algoritmo GMMap utiliza elipsoides Gaussians para modelar objetos, ajustando tamanho e forma com mais eficiência.
O mapeamento de Gaussians é feito em uma única passagem de dados, descartando imagens após a geração, o que reduz drasticamente memória e energia.
Desempenho e aplicações
O chip mantém as Gaussians ativas em memória on-chip junto aos unidades de cálculo, acelerando o processamento sem recorrer a armazenamento externo.
Em testes, o sistema gerou mapas 3D detalhados em tempo real usando apenas 6 miliwatts, cerca de 2,5% do que consome o melhor chip convencional.
Essa eficiência facilita o uso em headsets de realidade aumentada leves e pode fundamentar trajetórias seguras com menor consumo de energia.
Perspectivas e financiamento
Pesquisadores planejam aproximar ainda mais o processamento dos sensores e explorar novas aplicações, como representar esquemas com Gaussians.
O projeto contou com apoio da MIT MathWorks Fellowship, Amazon, NSF e Intel. A equipe destaca o avanço na co-design de algoritmo e hardware para maps 3D eficientes.
Entre na conversa da comunidade