تتيح شريحة MIT بقدرة 6 ميجاوات للطائرات بدون طيار الصغيرة رؤية المناطق المحيطة بها ورسم خريطة لها في الوقت الفعلي
طور باحثون من معهد ماساتشوستس للتكنولوجيا شريحة منخفضة الطاقة تمكن الطائرات الصغيرة بدون طيار والروبوتات من بناء خرائط تفصيلية ثلاثية الأبعاد لمحيطها في الوقت الفعلي بينما تستهلك حوالي 6 مللي واط فقط من الطاقة. يمكن للنظام الموجود على شريحة، والذي يسمى Gleanmer، أن يساعد الآلات المستقلة التي تعمل بالبطاريات على التنقل في البيئات المزدحمة مثل أنظمة التهوية الصناعية والمستودعات والأنفاق وغيرها من الأماكن الضيقة حيث يكون تجنب العوائق أمرًا بالغ الأهمية. وقد تجد التكنولوجيا أيضًا تطبيقات في سماعات الواقع المعزز خفيفة الوزن، مما يسمح لها برسم خرائط البيئات الداخلية دون استنزاف البطاريات. تجمع الشريحة بين الأجهزة المتخصصة وخوارزمية رسم الخرائط المدمجة التي تقلل بشكل كبير من الذاكرة والطاقة اللازمة لإنشاء تمثيلات ثلاثية الأبعاد للعالم حول الروبوت. رسم الخرائط بدون عبء يتطلب إنشاء خرائط تفصيلية ثلاثية الأبعاد عادةً من الروبوتات معالجة كميات كبيرة من بيانات الصور وتخزين تمثيلات معقدة لمحيطها. غالبًا ما تتطلب هذه المهام ذاكرة وطاقة كبيرة، مما يجعل من الصعب نشرها على الأجهزة الصغيرة التي تعمل بالبطاريات. بدلًا من الاعتماد على الخرائط التقليدية المعتمدة على الفكسل، والتي تمثل بيئات تستخدم ملايين المكعبات الصغيرة، يستخدم فريق معهد ماساتشوستس للتكنولوجيا أشكالًا إهليلجية مرنة تُعرف باسم Gaussians. يمكن لهذه الأشكال تمثيل الكائنات المنحنية والمساحات المفتوحة بكفاءة أكبر بينما تتطلب ذاكرة أقل بكثير. قام الباحثون بربط الشريحة بخوارزمية رسم خرائط تسمى GMMap، والتي تنشئ خرائط ثلاثية الأبعاد من صور عميقة في تمريرة واحدة. يتيح ذلك للنظام تجاهل بيانات الصورة على الفور تقريبًا بدلاً من تخزينها ومعالجتها بشكل متكرر. قال Peter Zhi Xuan Li، أحد المؤلفين الرئيسيين للدراسة: “في أي وقت، نحتاج فقط إلى تخزين عدد قليل من البكسلات في الذاكرة، مما يقلل بشكل كبير من بصمة الذاكرة التي تتطلبها الخوارزمية لدينا”. يتجنب النظام أيضًا تحديًا شائعًا آخر في رسم الخرائط. أثناء تحرك الروبوت، غالبًا ما يلاحظ نفس الكائن من زوايا متعددة، مما يؤدي إلى إنشاء تمثيلات متداخلة تزيد من حجم الخريطة. طور فريق معهد ماساتشوستس للتكنولوجيا طريقة لدمج Gaussians المتداخلة مباشرة دون العودة إلى بيانات الصورة الأصلية. شريحة صغيرة وواسعة النطاق سمح هذا الأسلوب للباحثين بالاحتفاظ بالكثير من البيانات النشطة في ذاكرة سريعة على الشريحة بدلاً من الاعتماد على وحدة تخزين خارجية متعطشة للطاقة. قال المؤلف الرئيسي المشارك Zih-Sing Fu: “من خلال وجود ذاكرة مخصصة تقوم فقط بتخزين الكائنات التي رأيتها في الإطارات القليلة السابقة، يمكنك الوصول إلى البيانات بشكل أكثر كفاءة”. وفي الاختبارات التي شملت مجموعة متنوعة من البيئات المسجلة مسبقًا، أنشأ جلينمر خرائط ثلاثية الأبعاد مفصلة في الوقت الفعلي بينما استهلك حوالي 6 مللي واط من الطاقة. وفقًا للباحثين، يمثل هذا ما يقرب من 2.5% من الطاقة التي تتطلبها أفضل شريحة موجودة مصممة لبناء الخرائط. يمكن للرقاقة أيضًا إعادة بناء العوائق وإتاحة المساحة مباشرةً من البيانات المباشرة المتدفقة من كاميرا iPhone. ومن خلال إعادة استخدام تمثيلات غاوس المدمجة أثناء تخطيط المسار، يمكّن النظام الروبوتات من حساب المسارات الخالية من الاصطدامات باستخدام حوالي 20% من الطاقة المطلوبة عادةً. وقالت فيفيان سزي، أستاذة الهندسة الكهربائية وعلوم الكمبيوتر في معهد ماساتشوستس للتكنولوجيا وكبيرة مؤلفي الدراسة: “تعرض هذه الورقة مثالاً رئيسياً لكيفية الاستفادة من التصميم المشترك للخوارزمية والأجهزة لتعزيز كفاءة استخدام الطاقة”. ويعتقد الباحثون أن الإصدارات المستقبلية يمكن أن تصبح أكثر كفاءة من خلال وضع موارد الحوسبة بالقرب من أجهزة الاستشعار الموجودة على متن الطائرة. وبعيدًا عن الروبوتات، يستكشف الفريق أيضًا ما إذا كانت التمثيلات المستندة إلى لغة غاوسي يمكن أن تساعد أنظمة الحوسبة في معالجة الرسومات الفنية والمخططات المعقدة بشكل أكثر كفاءة. تم تقديم البحث في ندوة IEEE للدوائر المتكاملة واسعة النطاق.
تم النشر: 2026-06-24 01:21:00
