Uno de los mayores desafíos de la robótica autónoma siempre ha sido combinar potencia de cálculo con un consumo energético reducido.
Los drones de pequeño tamaño, robots de inspección o dispositivos de realidad aumentada disponen de baterías limitadas, lo que dificulta ejecutar algoritmos avanzados de navegación sin comprometer la autonomía.
Investigadores del Instituto Tecnológico de Massachusetts (MIT) creen haber encontrado una solución. Han presentado Gleanmer, un nuevo sistema integrado en un chip (System-on-a-Chip o SoC) capaz de generar mapas tridimensionales en tiempo real utilizando únicamente unos 6 milivatios de potencia, aproximadamente el consumo de un único LED.
El avance podría facilitar el desarrollo de robots mucho más pequeños, eficientes y autónomos, capaces de desplazarse por espacios complejos sin necesidad de hardware de alto consumo.
Un chip pensado para robots con baterías muy limitadas
Los sistemas de navegación actuales suelen depender de procesadores potentes y grandes cantidades de memoria para construir mapas tridimensionales del entorno.
Cada imagen capturada por las cámaras debe procesarse varias veces para identificar obstáculos, calcular distancias y actualizar continuamente el mapa por el que se moverá el robot.
Este proceso consume mucha energía y memoria, dos recursos especialmente escasos en dispositivos como:
- Drones de pequeño tamaño.
- Robots de inspección industrial.
- Vehículos autónomos ultraligeros.
- Gafas de realidad aumentada.
- Robots colaborativos compactos.
Gleanmer ha sido diseñado precisamente para eliminar gran parte de esa carga computacional, permitiendo realizar el mismo trabajo con una fracción del consumo habitual.
El secreto está en abandonar los tradicionales vóxeles
La principal innovación no reside únicamente en el chip, sino también en el algoritmo que lo acompaña.
Los sistemas convencionales representan el entorno mediante vóxeles, pequeños cubos tridimensionales similares a los píxeles de una imagen, pero en tres dimensiones.
Aunque este método resulta muy preciso, también exige enormes cantidades de memoria, ya que incluso objetos sencillos deben representarse mediante miles de pequeños cubos.
El equipo del MIT ha optado por un enfoque completamente diferente.
En lugar de vóxeles utilizan gaussianas tridimensionales, unas estructuras con forma de elipsoide que pueden adaptarse de manera mucho más flexible a la geometría de los objetos.
Gracias a ello:
- Un único elemento puede representar superficies que antes requerían decenas o cientos de vóxeles.
- Se reduce drásticamente la memoria necesaria.
- Disminuye el número de cálculos que debe realizar el procesador.
El resultado es un mapa tridimensional mucho más compacto, pero igualmente útil para que el robot planifique trayectorias seguras.
Un algoritmo diseñado para ahorrar memoria
El nuevo chip utiliza un algoritmo desarrollado previamente por el laboratorio del MIT denominado GMMap.
Una de sus principales ventajas es que solo necesita recorrer cada imagen una vez.
En sistemas tradicionales, las imágenes capturadas por la cámara deben procesarse repetidamente para ajustar el tamaño y la forma de cada elemento del mapa.
GMMap elimina buena parte de este trabajo.
En lugar de comparar cada píxel con todos los demás, el algoritmo asume que los píxeles cercanos pertenecen al mismo objeto, limitando las comparaciones únicamente a los vecinos inmediatos.
Este enfoque permite:
- Reducir enormemente la memoria temporal necesaria.
- Descartar rápidamente las imágenes originales.
- Evitar almacenar fotografías completas durante el procesamiento.
Todo ello contribuye a disminuir tanto el consumo energético como la complejidad del sistema.
Menos cálculos y más eficiencia
Otra de las mejoras consiste en cómo se gestionan los objetos detectados cuando el robot cambia de posición.
Al observar un mismo elemento desde distintos ángulos, suelen generarse representaciones duplicadas.
En la mayoría de algoritmos es necesario volver a consultar las imágenes originales para fusionar esos elementos.
El equipo del MIT ha desarrollado un sistema capaz de fusionar directamente las gaussianas, sin tener que recuperar los datos originales.
Este pequeño cambio elimina gran parte del tráfico de memoria y reduce aún más el consumo energético.
Hardware y software diseñados conjuntamente
Uno de los aspectos más interesantes del proyecto es que el algoritmo y el hardware se desarrollaron al mismo tiempo.
En lugar de adaptar un algoritmo existente a un procesador convencional, los investigadores diseñaron un chip específicamente optimizado para ejecutar este tipo de cálculos.
El procesador mantiene las gaussianas más utilizadas dentro de una memoria integrada de alta velocidad situada junto a las unidades de cálculo.
Gracias a ello:
- Se reducen los accesos a memoria externa.
- Disminuye considerablemente el consumo eléctrico.
- Aumenta la velocidad de procesamiento.
Este enfoque, conocido como co-diseño hardware-software, es una tendencia cada vez más habitual en el desarrollo de chips especializados para inteligencia artificial y robótica.
Solo 6 milivatios de consumo
Las pruebas realizadas muestran cifras especialmente llamativas.
Según el MIT, Gleanmer consume aproximadamente 6 milivatios, lo que representa:
- Apenas un 2,5 % de la energía requerida por los mejores chips actuales dedicados a la construcción de mapas 3D.
- Alrededor de un 80 % menos de energía durante la planificación de rutas, gracias al aprovechamiento de las gaussianas ya generadas.
Estas cifras permiten imaginar robots mucho más pequeños funcionando durante periodos considerablemente más largos sin necesidad de baterías de gran capacidad.
Aplicaciones más allá de la robótica
Aunque el proyecto está especialmente orientado a robots autónomos, los investigadores consideran que sus aplicaciones pueden ser mucho más amplias.
Entre los posibles usos destacan:
- Drones de inspección para infraestructuras industriales.
- Robots capaces de recorrer conductos de ventilación o tuberías.
- Gafas ligeras de realidad aumentada para formación médica.
- Sistemas de asistencia en mantenimiento industrial.
- Procesamiento eficiente de planos y esquemas mediante inteligencia artificial.
En todos estos escenarios, disponer de mapas tridimensionales precisos con un consumo mínimo resulta especialmente valioso.
Un avance que puede impulsar la próxima generación de robots autónomos
El desarrollo de Gleanmer demuestra cómo la combinación de nuevos algoritmos y hardware especializado puede transformar la robótica de bajo consumo.
Más allá de aumentar la potencia de cálculo, el equipo del MIT ha centrado sus esfuerzos en reducir al máximo el uso de memoria y energía, dos factores decisivos para dispositivos autónomos de pequeño tamaño.
Aunque todavía se trata de una tecnología de investigación, este chip abre la puerta a drones, robots y dispositivos de realidad aumentada mucho más ligeros, eficientes y capaces de comprender su entorno en tiempo real, acercando un poco más la posibilidad de que máquinas autónomas operen con total naturalidad en espacios diseñados para las personas.