Un nuevo chip desarrollado por investigadores del MIT promete revolucionar la navegación de pequeños vehículos aéreos no tripulados (UAV) en entornos complejos, como sistemas HVAC industriales, facilitando la detección de fugas de gas. Este avance permite que robots autónomos y otros dispositivos con limitaciones de batería construyan mapas 3D detallados de su entorno en tiempo real, utilizando solo una cantidad mínima de energía, comparable al consumo de un solo LED.
Claves de la noticia
Nueva tecnología para robots
Un chip que mejora la navegación robótica.
Bajo consumo energético
Consume solo 6 milivatios de energía.
Innovación en mapeo 3D
Utiliza Gaussians para representar obstáculos.
Tradicionalmente, crear mapas tan completos requería sistemas que consumen mucha energía y gran capacidad de memoria para almacenar representaciones 3D. Sin embargo, el equipo del MIT ha adoptado un enfoque innovador al combinar un algoritmo de mapeo altamente eficiente con hardware especializado diseñado para acelerar su funcionamiento, lo que reduce tanto el consumo energético como los requisitos de memoria.
El sistema-on-a-chip, denominado Gleanmer, opera con apenas 6 milivatios, una fracción del poder requerido por otras tecnologías similares. Esta eficiencia energética también lo hace ideal para aplicaciones como gafas de realidad aumentada ligeras que pueden utilizarse durante períodos prolongados en simulaciones médicas educativas o trabajos detallados de reparación y ensamblaje.
Detalles técnicos del chip
La generación de un mapa 3D que incluya los obstáculos del entorno normalmente exige un alto consumo energético debido a la necesidad de almacenar imágenes capturadas por cámaras y procesar múltiples veces cada píxel tridimensional. En lugar de utilizar píxeles cúbicos (voxels), los investigadores han implementado una técnica que emplea blobs elipsoidales llamados Gaussians para mapear los obstáculos. Esta metodología permite adaptar el tamaño y la forma de las elipsoides para ajustarse más eficientemente a objetos curvos.
De esta manera, el mapa no solo captura los obstáculos sino también el espacio libre alrededor del robot, permitiendo así planificar rutas seguras y sin colisiones. La representación mediante Gaussians es significativamente más compacta que la tradicional basada en voxels, lo cual reduce enormemente los requerimientos energéticos y de memoria.
El algoritmo GMMap desarrollado por el laboratorio del MIT es clave en este proceso. A diferencia de enfoques convencionales que requieren múltiples pasadas sobre las imágenes para ajustar las formas elipsoidales, este nuevo método genera Gaussians precisos a partir de imágenes de profundidad en una sola pasada. Esto significa que el chip nunca necesita almacenar toda una imagen simultáneamente, optimizando así su rendimiento.
A medida que el robot se desplaza por un espacio, puede observar objetos desde diferentes ángulos, lo que puede llevar a solapamientos en los Gaussians generados. Para manejar esto sin aumentar el uso de memoria, los investigadores han creado una técnica innovadora que fusiona estos Gaussians superpuestos directamente sin necesidad de volver a procesar los píxeles originales.
Perspectivas futuras
Las pruebas realizadas con Gleanmer han demostrado su capacidad para reconstruir diversos entornos 3D preexistentes y generar mapas detallados en tiempo real mientras consume aproximadamente el 2.5% del poder necesario comparado con los mejores chips existentes para construcción de mapas. Gracias a esta innovación, se espera que pequeños sistemas autónomos puedan realizar tareas complejas como inspecciones o navegación en espacios reducidos con un coste energético mínimo.
Los investigadores planean seguir mejorando la eficiencia energética moviendo las unidades de procesamiento más cerca de los sensores ambientales y explorando nuevas aplicaciones para representar esquemas arquitectónicos mediante Gaussians. Esto podría facilitar razonamientos más eficientes sobre planos complejos dentro del ámbito de la inteligencia artificial.
"El mapeo 3D en tiempo real ha sido una pieza clave faltante para pequeños sistemas autónomos", afirma Sertac Karaman, director del LIDS. "Gleanmer hace posible entender instantáneamente el espacio circundante con un costo energético casi nulo". Este trabajo cuenta con apoyo parcial del MIT-MathWorks Fellowship, Amazon, la Fundación Nacional Científica de EE.UU., e Intel.
Preguntas sobre la noticia
¿Cómo funciona el nuevo chip Gleanmer para la navegación de robots?
El chip Gleanmer combina un algoritmo eficiente con hardware especializado para generar mapas 3D en tiempo real, utilizando Gaussians en lugar de voxels, lo que reduce significativamente el consumo de memoria y energía.
¿Qué aplicaciones prácticas tiene este chip además de los robots autónomos?
Además de su uso en pequeños UAVs para la inspección industrial, el chip podría ser adecuado para dispositivos como gafas de realidad aumentada, permitiendo una operación prolongada con bajo consumo energético.
¿Cuáles son las ventajas del uso de Gaussians sobre los voxels en la generación de mapas?
Los Gaussians permiten representar objetos curvados de manera más eficiente y compacta, lo que reduce la cantidad de memoria necesaria y mejora la eficiencia energética en comparación con los métodos tradicionales basados en voxels.
¿Qué mejoras futuras se planean para el chip Gleanmer?
Los investigadores planean mejorar aún más la eficiencia energética al mover las unidades de procesamiento más cerca de los sensores y explorar nuevas aplicaciones, como el uso de Gaussians para representar esquemas complejos.
Si (
No(
