MIT phát triển chip AI cho robot cỡ nhỏ tạo bản đồ 3D theo thời gian thực

Một con chip mới do các nhà nghiên cứu tại Viện Công nghệ Massachusetts (MIT) phát triển có thể giúp máy bay không người lái cỡ nhỏ tránh chướng ngại vật khi di chuyển trong những không gian chật hẹp, chẳng hạn bên trong hệ thống thông gió của nhà máy để kiểm tra rò rỉ khí.

Chip AI giúp robot cỡ nhỏ tự nhận biết và tránh chướng ngại vật. Ảnh: Midjourney

Con chip cho phép robot tự hành và các thiết bị sử dụng pin dung lượng thấp xây dựng bản đồ 3D chi tiết về môi trường xung quanh theo thời gian thực. Robot có thể dựa vào bản đồ này để tính toán đường đi an toàn, tránh va chạm và tiếp cận mục tiêu.

Điểm đáng chú ý là toàn bộ quá trình chỉ tiêu thụ khoảng 6 miliwatt điện, tương đương công suất của một đèn LED nhỏ và thấp hơn nhiều so với các hệ thống lập bản đồ hiện nay.

Thông thường, việc xây dựng bản đồ 3D đòi hỏi lượng bộ nhớ lớn và năng lượng đáng kể, bởi thiết bị phải lưu trữ hình ảnh từ camera, sau đó xử lý nhiều lần hàng loạt điểm ảnh ba chiều để xác định chướng ngại vật và khoảng không có thể di chuyển.

Nhóm MIT giải quyết bài toán này bằng cách đồng thiết kế thuật toán và phần cứng: xây dựng một thuật toán lập bản đồ hiệu quả, đồng thời phát triển con chip chuyên dụng để tăng tốc chính thuật toán đó.

Theo GS. Vivienne Sze, tác giả cấp cao của nghiên cứu, cách tiếp cận này không chỉ giúp lưu trữ những bản đồ lớn trong không gian bộ nhớ rất nhỏ mà còn giảm tối đa năng lượng cần thiết để tạo bản đồ.

Ngoài robot và máy bay không người lái, công nghệ còn có thể được tích hợp vào kính thực tế tăng cường nhẹ, cho phép người dùng đeo trong thời gian dài để học mô phỏng y khoa, sửa chữa máy móc hoặc thực hiện các công việc lắp ráp phức tạp.

Thay điểm ảnh bằng những “đám mây” hình elip

Các phương pháp truyền thống thường chia không gian thành những khối lập phương nhỏ gọi là voxel. Muốn biểu diễn chính xác một vật thể cong hoặc một khoảng trống lớn, hệ thống phải sử dụng rất nhiều voxel, khiến bản đồ trở nên nặng và tốn bộ nhớ.

Thay vì vậy, nhóm nghiên cứu sử dụng các khối hình elip gọi là Gaussian để mô tả vật thể và không gian tự do.

Kích thước, hình dạng và độ dày của mỗi Gaussian có thể được điều chỉnh linh hoạt. Nhờ đó, một ellipsoid thuôn dài có thể đại diện cho khu vực mà phương pháp truyền thống phải dùng rất nhiều khối voxel mới mô tả được.

Cách biểu diễn này đặc biệt quan trọng vì robot không chỉ cần biết chướng ngại vật nằm ở đâu mà còn phải nhận diện phần không gian trống để lập kế hoạch di chuyển an toàn.

Hệ thống trên chip mới được đặt tên là Gleanmer. Nó sử dụng thuật toán GMMap do nhóm nghiên cứu phát triển, cho phép tạo bản đồ 3D bằng các Gaussian thay vì xử lý toàn bộ các điểm ảnh ba chiều.

Với phương pháp thông thường, robot phải tải và xử lý một ảnh chiều sâu nhiều lần để điều chỉnh hình dạng các Gaussian. Hệ thống còn có thể phải so sánh mọi điểm ảnh với nhau, dẫn đến nhu cầu bộ nhớ và điện năng quá lớn đối với các thiết bị biên nhỏ gọn.

Nhóm MIT đã phát triển kỹ thuật tạo Gaussian chính xác chỉ trong một lượt xử lý ảnh. Sau đó, hình ảnh có thể được loại bỏ ngay nên con chip không phải lưu trữ toàn bộ khung hình cùng lúc.

Thuật toán cũng giả định các điểm ảnh nằm gần nhau nhiều khả năng thuộc cùng một Gaussian. Vì vậy, mỗi điểm ảnh chỉ cần được so sánh với các điểm lân cận thay vì toàn bộ ảnh.

Hợp nhất bản đồ mà không cần trở lại dữ liệu gốc

Khi robot di chuyển, nó thường quan sát cùng một vật thể từ nhiều góc khác nhau. Vì vậy, các Gaussian mới được tạo ra có thể chồng lấn lên những Gaussian đã có, khiến bản đồ ngày càng lớn.

Việc hợp nhất các vùng chồng lấn thường yêu cầu hệ thống quay lại xử lý lượng lớn điểm ảnh gốc đang được lưu trong bộ nhớ. Tuy nhiên, Gleanmer có thể hợp nhất trực tiếp các Gaussian mà không cần truy cập lại dữ liệu hình ảnh ban đầu.

Do Gaussian nhỏ gọn hơn nhiều so với tập hợp điểm ảnh, giải pháp này tiếp tục giảm nhu cầu về bộ nhớ và điện năng.

Nguyên tắc trên được áp dụng xuyên suốt hệ thống: phần lớn phép tính diễn ra trực tiếp trên các Gaussian nén gọn thay vì trên dữ liệu ảnh thô.

Nhờ bản đồ có kích thước nhỏ, các Gaussian đang được xử lý có thể được giữ trong bộ nhớ tốc độ cao ngay trên chip, đặt gần các đơn vị tính toán. Dữ liệu cần sử dụng tiếp theo luôn sẵn sàng, không phải liên tục truy xuất từ bộ nhớ ngoài vốn tiêu tốn nhiều điện hơn.

Chỉ dùng 2,5% điện năng của chip tốt nhất hiện nay

Thử nghiệm cho thấy Gleanmer có thể tái dựng nhiều môi trường 3D và lập bản đồ chướng ngại vật, không gian trống trực tiếp từ camera iPhone. Con chip tạo bản đồ theo thời gian thực với công suất chỉ khoảng 6 miliwatt, tương đương 2,5% điện năng của chip lập bản đồ hiệu quả nhất hiện nay.

Khi hỗ trợ robot lên kế hoạch di chuyển, hệ thống chỉ tiêu thụ khoảng 20% năng lượng so với phương pháp thông thường. Hiệu quả này đến từ việc kết hợp thuật toán tiết kiệm bộ nhớ với phần cứng chuyên dụng. Nhóm nghiên cứu dự kiến tiếp tục giảm điện năng và mở rộng ứng dụng sang phân tích bản vẽ kỹ thuật.

(Theo MIT News)