Forschende der Massachusetts Institute of Technology (MIT) haben einen hocheffizienten System-on-a-Chip namens Gleanmer entwickelt, der kleinen autonomen Robotern und UAVs die Erstellung detaillierter 3D-Umgebungskarten in Echtzeit bei minimaler Energieaufnahme ermöglicht. Die Technologie löst ein grundlegendes Problem der Mikroautonomie: Bisherige Kartierungssysteme benötigen erhebliche Rechenleistung und Arbeitsspeicher, was sie für batteriebeschränkte Kleinstgeräte untauglich macht. Das neue Bauteil verbraucht rund sechs Milliwatt und damit lediglich zwei Komma fünf Prozent der Energie vergleichbarer Lösungen. Der technologische Fortschritt resultiert aus der integrierten Entwicklung eines algorithmischen Kerns und einer darauf abgestimmten Hardware. Statt der speicherintensiven Voxel-Darstellung verwendet das System Gauss'sche Ellipsoide, deren Form und Größe sich dynamisch an komplexe Geometrien anpassen. Diese flexible Abbildung reduziert den Speicherbedarf erheblich, da ein einzelnes Ellipsoid einen Bereich abdecken kann, der mit herkömmlichen Voxel-Kuben nur durch zahlreiche Einzelzellen darstellbar wäre. Die Kartierung erfolgt in einem einzigen Verarbeitungsdurchgang. Pixel werden ausschließlich mit ihren direkten Nachbarn verglichen und die ursprünglichen Bilddaten unverzüglich verworfen. Überlappende Ellipsoide werden direkt fusioniert, ohne auf die Rohpixel zugreifen zu müssen. Dieser Ansatz minimiert die Datenwege zwischen Prozessor und externem Speicher und senkt den Energieverbrauch drastisch. Die Architektur wurde erfolgreich unter realen Bedingungen validiert, unter anderem durch die direkte Analyse von Live-Videoströmen einer Smartphone-Kamera sowie die Rekonstruktion diverser 3D-Testumgebungen. Der Chip identifiziert simultan Hindernisse und freie Laufwege, wodurch autonome Fahrzeuge kollisionssichere Pfade in Echtzeit planen können. Die extrem niedrige Leistungsaufnahme macht die Technologie besonders attraktiv für leichte Augmented-Reality-Brillen sowie für Drohnen, die in engen Industrie- oder HVAC-Anlagen zur Lecksuche eingesetzt werden. Die Ergebnisse wurden kürzlich auf dem IEEE Symposium on Very Large Scale Integration (VLSI Circuits) präsentiert. Senior Autorin Vivienne Sze vom Department of Electrical Engineering and Computer Science unterstrich, dass die synergetische Auslegung von Algorithmus und Chiparchitektur den maßgeblichen Effizienzvorteil generiert. Gemeinsam mit Ko-Autor Sertac Karaman sowie den Erstautoren Zih-Sing Fu und Peter Zhi Xuan Li plant das Forschungsteam, die Recheneinheiten künftig noch näher an die Sensoren zu integrieren. Das Projekt wurde durch das MIT-MathWorks Fellowship, Amazon, die US-National Science Foundation und Intel gefördert. Mit Gleanmer schließt die Wissenschaft nun die Lücke in der Echtzeitumgebungserfassung für energieeffiziente Mikroautonomie und etabliert eine neue Grundlage für präzise KI-gestützte Inspektions- und Navigationsanwendungen in anspruchsvollen Umgebungen.