麻省理工学院的研究团队近日取得重要突破，开发出一款名为Gleanmer的低功耗芯片，为微型无人机和机器人的自主导航能力带来革命性提升。这款系统级芯片仅需约6毫瓦功率，即可实时构建周围环境的精细三维地图，特别适用于工业通风管道、仓库货架间等需要精准避障的复杂场景。
传统三维建图技术依赖大量图像数据处理和复杂环境表征存储，对内存和电量消耗巨大，难以在小型移动设备上实现。研究团队创新性地采用"高斯椭球"替代传统体素网格，通过柔性椭球形状高效表征曲面物体和开放空间，使内存需求降低数十倍。配合自主研发的GMMap算法，系统可从单帧深度图像直接生成三维模型，无需反复存储原始数据。
该技术的核心突破在于数据处理流程的重构。研究共同第一作者Peter Zhi Xuan Li解释："系统在任何时刻仅需保留少量像素数据，内存占用较传统方法降低两个数量级。"针对机器人移动过程中产生的重复观测问题，团队开发出直接合并高斯椭球的算法，无需回溯原始图像即可消除冗余数据，有效防止地图体积膨胀。
硬件设计方面，芯片采用专用内存架构存储最近观测数据，使高速片上存储器利用率提升3倍以上。共同第一作者Zih-Sing Fu指出："这种设计让数据访问效率提升50%，同时完全避免使用高功耗的外部存储模块。"测试数据显示，在多种预录环境场景中，Gleanmer的实时建图功耗仅为同类最佳芯片的2.5%，且能直接处理iPhone摄像头传输的实时视频流。
在机器人应用测试中，该系统展现出显著优势。通过复用高斯表征进行路径规划，机器人计算无碰撞路线的能耗降低约20%。研究负责人Vivienne Sze教授强调："这项成果展示了算法与硬件协同设计的巨大潜力，为移动设备的能效优化开辟了新路径。"目前团队正探索将计算单元更靠近传感器布局，以进一步提升系统效率。
除机器人领域外，研究团队正在验证高斯表征技术在工程图纸处理和复杂原理图解析中的应用潜力。这项突破性成果已发表于IEEE超大规模集成电路研讨会，其开源算法和芯片设计规范将为低功耗三维感知技术的发展提供重要参考。
