MIT 연구진이 개발한 새로운 칩은 소형 저전력 UAV가 가스 누출을 확인하기 위해 산업용 HVAC 시스템 내부의 좁은 모퉁이를 돌아 다닐 때 장애물을 피하는 데 도움이 될 수 있습니다.
이 칩을 사용하면 소형 자율 로봇 및 기타 배터리 제한 장치가 단일 LED와 거의 동일한 전력만 사용하여 환경에 대한 상세한 3D 지도를 실시간으로 구축할 수 있습니다. 로봇은 이러한 지도를 사용하여 목표에 도달하기 위한 충돌 없는 경로를 계획할 수 있습니다.
일반적으로 이러한 상세한 지도를 생성하려면 로봇 환경에서 장애물의 3D 표현을 구축하고 저장하기 위해 전력을 많이 소모하는 시스템과 많은 양의 메모리가 필요합니다.
MIT 연구원들은 매우 효율적인 매핑 알고리즘과 작업 부하를 가속화하도록 설계된 특수 하드웨어를 결합하여 메모리와 전력 소비를 최소화하는 다른 접근 방식을 취했습니다.
이 시스템온칩은 약 6밀리와트의 전력만 소비하는데, 이는 다른 시스템에 필요한 전력의 일부에 불과합니다.
이러한 저전력 작동을 통해 이 칩은 교육용 의료 시뮬레이션이나 상세한 수리 및 조립 작업과 같은 애플리케이션을 위해 장시간 착용할 수 있는 경량 증강 현실 헤드셋에 적합할 수도 있습니다.
“이 문서는 알고리즘과 하드웨어 공동 설계를 사용하여 에너지 효율성을 실제로 높일 수 있는 방법에 대한 핵심 예를 제시합니다. 소형 3D 지도에 대해 많은 작업이 수행되었지만 이 문서에서 눈에 띄는 점은 이러한 지도를 생성하는 프로세스가 가능한 한 효율적이라는 것입니다. 우리 칩을 사용하면 매우 작은 공간에 매우 큰 지도를 저장할 수 있으며 매우 작은 공간에서 수행할 수 있습니다.”라고 전기 컴퓨터 공학부(EECS)이자 전자 연구소(RLE) 회원이자 주요 저자인 Vivian은 말합니다. 칩 위의 종이.
그녀는 공동 저자이자 MIT 대학원생인 Zih-Sing Fu와 Peter Zhi Xuan Li, 항공학 교수이자 LIDS 이사인 Sertac Karaman이 논문에 합류했습니다. 이 연구는 최근 IEEE 초대형 집적 회로 심포지엄에서 발표되었습니다.
더욱 간결해진 지도
로봇의 경우 주변 환경에 장애물이 포함된 3D 지도를 생성하려면 카메라로 캡처한 이미지를 저장하고 각 이미지의 모든 3D 픽셀을 여러 번 처리해야 하기 때문에 일반적으로 많은 전력이 필요합니다.
MIT 연구진은 복셀이라고 하는 큐브인 3D 픽셀을 사용하여 환경을 표현하는 대신 가우시안이라는 타원형 얼룩을 사용하여 공간의 장애물을 매핑하는 기술을 사용했습니다.
이러한 타원체의 크기, 모양 및 두께는 단단한 큐브 모양의 복셀을 사용하는 것보다 더 효과적으로 곡선 개체의 모양에 맞게 완벽하게 맞춤화될 수 있습니다.
중요한 것은 지도가 로봇 주변의 장애물과 여유 공간을 포착하고 이를 통해 로봇이 안전하고 충돌 없는 경로를 계획할 수 있다는 것입니다. 복셀을 사용하여 장애물과 여유 공간을 매핑하면 일반적으로 많은 메모리를 소비하므로 기존 방법은 전력을 많이 소모하게 됩니다. 가우시안은 형상을 유연하게 맞출 수 있기 때문에 하나의 길쭉한 타원체는 많은 복셀을 차지하는 영역을 나타낼 수 있으므로 점유 표면과 여유 공간이 훨씬 더 컴팩트하게 캡처됩니다.
Gleanmer라고 불리는 새로운 시스템 온 칩의 경우 연구원들은 GMMap이라는 실험실에서 개발한 알고리즘을 사용했습니다. 이 알고리즘은 장애물을 나타내기 위해 가우시안을 사용하여 로봇 환경의 3D 지도를 효율적으로 생성합니다.
기존 접근 방식을 사용하면 로봇은 타원체의 크기와 모양을 조정하기 위해 각 깊이 이미지를 여러 번 로드하고 처리해야 합니다. 시스템은 일반적으로 이미지의 모든 픽셀을 서로 비교하여 가우스를 구축합니다. 그러나 이를 수행하는 데 필요한 메모리와 전력의 양은 많은 고급 장치에 비해 여전히 너무 높습니다.
이 문제를 해결하기 위해 MIT 연구원들은 단일 패스로 깊이 이미지에서 매우 정확한 가우스를 생성할 수 있는 기술을 발명했습니다. 그런 다음 칩이 전체 이미지를 한 번에 저장할 필요가 없도록 이미지를 삭제할 수 있습니다.
3D 이미지의 모든 픽셀을 다른 모든 픽셀과 비교하는 대신, 알고리즘은 인근 픽셀이 동일한 가우스에 속한다고 가정하므로 각 픽셀을 이웃 픽셀과 비교하기만 하면 됩니다.
“언제든지 메모리에 몇 개의 픽셀만 저장하면 되므로 알고리즘에 필요한 메모리 공간이 크게 줄어듭니다.”라고 Li는 말합니다.
공동 디자인 활용
그러나 로봇이 공간을 이동할 때 일반적으로 동일한 물체를 다른 관점에서 봅니다. 가우시안을 생성할 때 일부는 동일한 객체를 나타내기 때문에 겹치게 됩니다. 이로 인해 3D 지도가 너무 커서 엣지 장치에 저장할 수 없게 될 수 있습니다.
겹치는 가우시안을 병합하면 맵이 더 작아지지만, 그렇게 하려면 일반적으로 알고리즘이 메모리에 저장된 많은 원시 픽셀을 처리해야 합니다. 연구원들은 원본 픽셀을 다시 방문할 필요 없이 중첩된 가우시안에서 직접 이 융합 프로세스를 수행하는 새로운 기술을 개발했습니다. 가우스는 픽셀보다 더 작기 때문에 메모리 및 전력 요구 사항이 크게 줄어듭니다.
동일한 원리가 알고리즘을 통해 실행됩니다. 대부분의 계산은 원래 픽셀이 아닌 소형 가우스에서 직접 작동하여 에너지 효율성을 허용합니다.
연구원들은 이 원리를 활용하여 컴퓨팅 장치 바로 옆에 있는 작고 빠른 온칩 메모리에 적극적으로 작업 중인 가우스를 저장하는 칩을 설계하고 있습니다. 이는 가우시안 맵이 매우 콤팩트하기 때문에 가능합니다.
로봇이 다음에 작업해야 하는 가우시안은 온칩 메모리 장치에서 기다리고 있으므로 더 멀리 떨어져 있고 에너지가 지연되는 오프칩 저장소에서 가져올 필요가 없습니다.
Fu는 “이전 몇 프레임에서 본 개체만 저장하는 전용 메모리를 가짐으로써 훨씬 더 효율적으로 데이터에 액세스할 수 있습니다”라고 설명합니다.
그들은 다양한 기존 3D 환경을 재구성하여 시스템 온 칩을 테스트했습니다. 또한 이 칩은 iPhone 카메라에서 스트리밍되는 라이브 데이터에서 직접 장애물과 빈 공간을 재구성할 수도 있습니다.
Gleanmer는 약 6밀리와트의 전력을 소비하면서 실시간으로 상세한 3D 지도를 생성했습니다. 기존 최고의 지도 작성 칩에 필요한 전력의 약 2.5%만 필요했습니다.
계획대로 경로를 따라 소형 가우시안을 재사용함으로써 칩은 로봇이 필요한 에너지의 약 20%만 사용하여 안전한 궤적을 당길 수 있도록 합니다.
“우리는 알고리즘이 효율적인지 확인하여 메모리 소비를 줄입니다. 그런 다음 효율적인 알고리즘으로 수행되는 작업 부하를 가속화하여 궁극적으로 칩이 최대한 효율적이게 됩니다.”라고 Li는 말합니다.
연구원들은 온칩 처리 장치를 환경 데이터를 수집하는 센서에 더 가깝게 이동하여 에너지 효율성을 더욱 향상시킬 계획입니다. 또한 가우스를 사용하여 스키마를 표현하는 등 추가 응용 프로그램을 탐색할 수도 있습니다. 이는 AI 시스템이 복잡한 계획을 보다 효율적으로 추론하는 데 도움이 될 수 있습니다.
“실시간 3D 매핑은 소형 자율 시스템에서 누락된 부분이었습니다. 파이프라인을 검사하는 드론이나 방을 탐색하는 AR 안경은 주변 공간을 즉시, 지속적으로, 거의 에너지 비용 없이 이해해야 합니다. Gleanmer는 손가락으로 잡을 수 있는 칩에서 처음으로 이를 가능하게 합니다.”라고 Karaman은 말합니다.
이 작업은 MIT-MathWorks Fellowship, Amazon, 미국 국립과학재단 및 Intel의 일부 지원을 받습니다.
