Mikroelektronik für autonome Systeme Chip kartiert 3D-Umgebungen in Echtzeit mit nur sechs Milliwatt

Anbieter zum Thema

Massachusetts Institute of Technology

MES Electronic Connect GmbH & Co. KG

Syslogic GmbH

TQ-Group

Forschende am MIT haben ein SoC entwickelt, mit dem winzige Roboter ihre Umgebung extrem stromsparend dreidimensional erfassen. Eine enge Verzahnung von Hardware und Algorithmus senkt den Energiebedarf dafür auf ein absolutes Minimum.

Kleine autonome Roboter und batteriebetriebene Geräte stehen bei der Navigation in komplexen Umgebungen vor einer großen Herausforderung. Die Erstellung detaillierter 3D-Karten erfordert normalerweise viel Rechenleistung und große Speicher, um die Hindernisse räumlich abzubilden. Drohnen, die etwa industrielle Lüftungssysteme auf Gaslecks prüfen, oder leichte Augmented-Reality-Headsets haben oft nicht die nötige Batteriekapazität für diese konventionellen Methoden.

Forscher am Massachusetts Institute of Technology begegnen diesem Flaschenhals nun mit einem neuen System-on-a-Chip namens Gleanmer. Diese Hardware erlaubt es autonomen Systemen, ihre Umgebung in Echtzeit zu kartieren, und verbraucht dabei lediglich rund sechs Milliwatt an elektrischer Leistung – was in etwa dem Bedarf einer einzigen Leuchtdiode entspricht. Ein Roboter kann diese Karte direkt nutzen, um einen kollisionsfreien Weg zu seinem Ziel zu planen.

Abkehr von speicherintensiven Voxeln

Herkömmliche Verfahren zur räumlichen Kartierung setzen auf dreidimensionale Pixel, sogenannte Voxel. Diese Methode verlangt den Systemen viel Arbeitsspeicher ab, da jede Tiefenaufnahme mehrfach geladen und verarbeitet werden muss. Das Forscherteam am Massachusetts Institute of Technology nutzt stattdessen eine Technik, die den Raum über ellipsoide Formen abbildet, die als Gaußsche Funktionen bezeichnet werden. Größe, Form und Dicke dieser Ellipsoide lassen sich fließend anpassen. Sie schmiegen sich so deutlich besser an gekrümmte Objekte an als starre Voxel. Ein einziges langgezogenes Ellipsoid kann einen Bereich abdecken, für den sonst viele Voxel nötig wären, wodurch der Chip Hindernisse und Freiräume wesentlich kompakter erfasst.

Die hohe Effizienz des Bausteins resultiert aus dem Co-Design von Hardware und Software. Die Forscher haben den Chip gezielt darauf ausgelegt, einen selbst entwickelten Algorithmus namens GMMap zu beschleunigen. Anstatt jedes Pixel eines 3D-Bildes mit allen anderen abzugleichen, geht der Algorithmus davon aus, dass benachbarte Pixel zur selben Gaußschen Funktion gehören. Daher gleicht er Bildpunkte nur mit ihren direkten Nachbarn ab. Der Chip erzeugt auf diese Weise hochpräzise Repräsentationen aus Tiefenbildern in nur einem einzigen Durchgang. Danach verwirft das System die Bilder sofort. Der Baustein muss also niemals ein komplettes Bild im Speicher vorhalten.

Lokaler Speicher und direkte Datenfusion

„Zu jedem Zeitpunkt müssen wir nur wenige Pixel im Speicher ablegen, was den Speicherbedarf unseres Algorithmus erheblich reduziert“, erklärt Peter Zhi Xuan Li, Doktorand und Co-Hauptautor der Studie. Wenn sich ein Roboter durch den Raum bewegt, entstehen durch unterschiedliche Blickwinkel unweigerlich überlappende Gaußsche Funktionen, da sie dasselbe Objekt darstellen. Diese verschmilzt der Algorithmus direkt miteinander, ohne erneut auf die ursprünglichen Bildpixel zugreifen zu müssen.

Die Forscher nutzen dieses Prinzip, um den Chip so zu konstruieren, dass er die aktiven Gaußschen Funktionen in kleinen, schnellen Speichereinheiten direkt neben den Rechenkernen hält. Die Daten müssen nicht aus weiter entfernten, energiehungrigen Speichern außerhalb des Chips abgerufen werden. Zih-Sing Fu, ebenfalls Doktorand am Institut, präzisiert: „Durch einen dedizierten Speicher, der nur die Objekte der letzten paar Frames bereithält, kann man viel effizienter auf die Daten zugreifen.“

Enormes Einsparpotenzial für Edge-Geräte

Die Entwickler haben das System-on-a-Chip getestet, indem sie verschiedene reale 3D-Umgebungen rekonstruierten. Das Bauteil verarbeitete auch erfolgreich Live-Daten direkt aus einer Smartphone-Kamera. Bei einem Energiebedarf von lediglich sechs Milliwatt benötigt Gleanmer nur rund 2,5 Prozent der Leistung, die der bisher beste Chip für die Kartenerstellung beanspruchen würde. Da der Chip kompakte Daten für die Wegplanung wiederverwendet, zeichnet der Roboter seine Route mit nur etwa 20 Prozent der üblicherweise erforderlichen Energie auf. Li resümiert: „Wir reduzieren den Speicherbedarf, indem wir sicherstellen, dass der Algorithmus effizient ist. Dann beschleunigen wir die Arbeitslast, die von diesem effizienten Algorithmus ausgeführt wird, sodass unser Chip am Ende so effizient wie möglich ist.“

Die Arbeit präsentierte das Team kürzlich auf dem IEEE Very Large-Scale Integrated Circuits Symposium. Künftig planen die Forscher, die Recheneinheiten auf dem Chip noch näher an den Sensoren zu platzieren, um weitere Energie einzusparen, sowie den Einsatz der Technik für das Einlesen von Schaltplänen zu evaluieren. (mc)

(ID:50881278)