একটি নতুন চিপ ক্ষুদ্র রোবটকে জটিল পরিবেশ অতিক্রম করতে সাহায্য করতে পারে

এমআইটি গবেষকদের দ্বারা তৈরি একটি নতুন চিপ ক্ষুদ্র, স্বল্প-শক্তিসম্পন্ন ড্রোনগুলিকে বাধা এড়াতে সাহায্য করতে পারে কারণ তারা একটি শিল্প এইচভিএসি সিস্টেমের ভিতরে শক্ত কোণে জিপ করে গ্যাস লিক পরীক্ষা করতে পারে।

চিপটি ছোট স্বায়ত্তশাসিত রোবট এবং অন্যান্য ব্যাটারি-সংক্রান্ত ডিভাইসগুলিকে তাদের পরিবেশের বিশদ 3D মানচিত্র তৈরি করতে রিয়েল টাইমে একটি একক LED এর মতো শক্তি ব্যবহার করে। একটি রোবট তার গন্তব্যে পৌঁছানোর জন্য সংঘর্ষ-মুক্ত পথের পরিকল্পনা করতে এই জাতীয় মানচিত্র ব্যবহার করতে পারে।

সাধারণত, এই ধরনের প্রাথমিক মানচিত্র তৈরি করার জন্য রোবটের পরিবেশে বাধাগুলির 3D উপস্থাপনা তৈরি এবং সংরক্ষণ করার জন্য শক্তি-ক্ষুধার্ত সিস্টেম এবং প্রচুর মেমরির প্রয়োজন হয়।

এমআইটি গবেষকরা তার কাজের চাপকে ত্বরান্বিত করার জন্য ডিজাইন করা বিশেষ হার্ডওয়্যারের সাথে একটি অত্যন্ত দক্ষ ম্যাপিং অ্যালগরিদমকে একত্রিত করে একটি ভিন্ন পদ্ধতি গ্রহণ করেছেন, যা মেমরি খরচ এবং শক্তি খরচ কমিয়ে দেয়।

এই সিস্টেম-অন-এ-চিপটি কেবলমাত্র 6 মিলিওয়াট বিদ্যুৎ খরচ করে, যা অন্যান্য সিস্টেমের জন্য প্রয়োজনীয় শক্তির একটি ভগ্নাংশ।

এই কম-পাওয়ার অপারেশনটি চিপটিকে হালকা ওজনের অগমেন্টেড রিয়েলিটি হেডসেটগুলির জন্যও উপযুক্ত করে তুলতে পারে যা শিক্ষাগত মেডিকেল ইমেজিং বা বিস্তারিত মেরামত এবং সমাবেশ কাজের মতো অ্যাপ্লিকেশনগুলির জন্য বর্ধিত সময়ের জন্য পরিধান করা যেতে পারে।

“এই পেপারটি একটি মূল উদাহরণ উপস্থাপন করে যে আপনি কীভাবে অ্যালগরিদমিক এবং হার্ডওয়্যার সহ-ডিজাইনকে সত্যিকার অর্থে শক্তির দক্ষতা বাড়াতে পারেন। যদিও কমপ্যাক্ট 3D মানচিত্রের দিকে অনেক কাজ করা হয়েছে, তবে এই কাজের ক্ষেত্রে যা দাঁড়ায় তা হল যে এটি নিশ্চিত করে যে সেই মানচিত্রগুলি তৈরি করার প্রক্রিয়াটি যতটা সম্ভব কার্যকর। আমাদের চিপ আপনাকে খুব ছোট ম্যাপে, খুব ছোট এলাকায় শক্তি সঞ্চয় করতে দেয়। ছোট এলাকা, ডিপার্টমেন্ট অফ ইলেকট্রিক্যাল অ্যান্ড সায়েন্টিফিক ইঞ্জিনিয়ারিং কম্পিউটার (EECS), রিসার্চ ল্যাবরেটরি ফর ইলেকট্রনিক্স (RLE) এর সদস্য এবং চিপের একটি পেপারের সিনিয়র লেখক।

তিনি কাগজে প্রধান লেখক এবং এমআইটি স্নাতক ছাত্র জিহ-সিং ফু এবং পিটার ঝি জুয়ান লি এবং সেইসাথে সার্ট্যাক কারামান, অ্যারোনটিক্স এবং অ্যাস্ট্রোনটিক্সের অধ্যাপক এবং LIDS-এর পরিচালক দ্বারা যুক্ত হয়েছেন। কাজটি সম্প্রতি IEEE ভেরি লার্জ-স্কেল ইন্টিগ্রেটেড সার্কিট সিম্পোজিয়ামে উপস্থাপিত হয়েছিল।

আরও কমপ্যাক্ট মানচিত্র

একটি রোবটের জন্য, একটি 3D মানচিত্র তৈরি করতে যা এর পরিবেশে বাধাগুলিকে অন্তর্ভুক্ত করতে সাধারণত প্রচুর শক্তির প্রয়োজন হয় কারণ এটিকে তার ক্যামেরা দ্বারা ধারণ করা ছবি সংরক্ষণ করতে হয় এবং প্রতিটি ছবিতে একাধিকবার সমস্ত 3D পিক্সেল প্রক্রিয়া করতে হয়।

ত্রি-মাত্রিক পিক্সেল ব্যবহার করে পরিবেশের প্রতিনিধিত্ব করার পরিবর্তে, যেগুলিকে ভক্সেল বলা হয়, এমআইটি গবেষকরা একটি কৌশল ব্যবহার করেছেন যা গাউসিয়ান নামক উপবৃত্তাকার প্যাচ ব্যবহার করে মহাকাশে বাধাগুলিকে ম্যাপ করে।

এই উপবৃত্তের আকার, আকৃতি এবং পুরুত্ব মসৃণভাবে সামঞ্জস্য করা যেতে পারে, তাই তারা কঠোর কিউব-আকৃতির ভক্সেল ব্যবহার করার চেয়ে বাঁকা বস্তুর আকৃতির সাথে আরও কার্যকরভাবে সামঞ্জস্য করে।

গুরুত্বপূর্ণভাবে, মানচিত্রটি রোবটের চারপাশে বাধা এবং ফাঁকা স্থান ক্যাপচার করে এবং এগুলো একসাথে রোবটকে একটি নিরাপদ এবং সংঘর্ষ-মুক্ত পথের পরিকল্পনা করতে দেয়। ভক্সেল ব্যবহার করে প্রতিবন্ধকতা এবং ফাঁকা স্থান ম্যাপিং সাধারণত মেমরির নিবিড়, যা ঐতিহ্যগত পদ্ধতিগুলিকে শক্তির ক্ষুধার্ত করে তোলে। যেহেতু গাউসিয়ানরা নমনীয়ভাবে জ্যামিতি ফিট করতে পারে, একটি একক প্রসারিত উপবৃত্তাকার এমন একটি অঞ্চলকে প্রতিনিধিত্ব করতে পারে যা অনেকগুলি ভক্সেল গ্রহণ করবে, তাই দখলকৃত পৃষ্ঠ এবং ফাঁকা স্থান অনেক বেশি কম্প্যাক্টভাবে ক্যাপচার করা হয়।

Gleanmer নামে পরিচিত তাদের নতুন সিস্টেম-অন-এ-চিপের জন্য, গবেষকরা GMMap নামে তাদের ল্যাব তৈরি করা একটি অ্যালগরিদম ব্যবহার করেছেন যা কার্যকরভাবে বাধাগুলি উপস্থাপন করতে গাউসিয়ানদের ব্যবহার করে রোবটের পরিবেশের একটি 3D মানচিত্র তৈরি করে।

প্রথাগত পদ্ধতির সাথে, একটি রোবটকে উপবৃত্তের আকার এবং আকৃতি সামঞ্জস্য করতে প্রতিটি গভীরতার চিত্র একাধিকবার লোড এবং প্রক্রিয়া করতে হবে। সিস্টেমটি সাধারণত চিত্রের সমস্ত পিক্সেল একে অপরের সাথে তুলনা করে গাউসিয়ানদের তৈরি করবে। কিন্তু এটি করার জন্য প্রয়োজনীয় মেমরি এবং শক্তির পরিমাণ অনেক শেষ ডিভাইসের জন্য খুব বেশি থাকে।

এই সমস্যাটি সমাধান করার জন্য, এমআইটি গবেষকরা একটি কৌশল তৈরি করেছেন যা গভীরতার চিত্রগুলি থেকে শুধুমাত্র একটি পাসে অত্যন্ত নির্ভুল গাউসিয়ান তৈরি করতে পারে এবং তারপরে তারা চিত্রগুলিকে বাতিল করতে পারে যাতে চিপটি একবারে একটি সম্পূর্ণ চিত্র সংরক্ষণ করতে না পারে।

3D চিত্রের প্রতিটি পিক্সেলের সাথে অন্য পিক্সেলের তুলনা করার পরিবর্তে, তাদের অ্যালগরিদম অনুমান করে যে প্রতিবেশী পিক্সেলগুলি একই গাউসিয়ানের অন্তর্গত, তাই এটি শুধুমাত্র প্রতিটি পিক্সেলকে তার প্রতিবেশীদের সাথে তুলনা করতে হবে।

“প্রতিটি সময়ে, আমাদের শুধুমাত্র মেমরিতে কয়েকটি পিক্সেল সংরক্ষণ করতে হবে, যা আমাদের অ্যালগরিদমের প্রয়োজনীয় মেমরি পদচিহ্নকে উল্লেখযোগ্যভাবে হ্রাস করে,” লি বলেছেন।

লিভারেজ সাধারণ নকশা

কিন্তু রোবট যখন মহাকাশের মধ্য দিয়ে চলে, তখন সাধারণত একই বস্তুকে ভিন্ন দৃষ্টিকোণ থেকে দেখে। যখন এটি গাউসিয়ানদের তৈরি করে, তাদের মধ্যে কিছু ওভারল্যাপ হবে কারণ তারা একই বস্তুর প্রতিনিধিত্ব করে। এটি একটি শেষ ডিভাইসে সঞ্চয় করার জন্য 3D মানচিত্রটিকে খুব বড় করে তুলতে পারে৷

গাউসিয়ানদের ওভারল্যাপিং মিশ্রিত করা মানচিত্রকে আরও কম্প্যাক্ট করে, কিন্তু এর জন্য সাধারণত মেমরিতে সঞ্চিত অনেক কাঁচা পিক্সেল প্রক্রিয়া করার জন্য অ্যালগরিদমের প্রয়োজন হয়। গবেষকরা মূল পিক্সেলগুলিকে পুনরায় দেখার প্রয়োজন ছাড়াই ওভারল্যাপ করা গাউসিয়ানদের উপর সরাসরি এই ফিউশন প্রক্রিয়াটি সম্পাদন করার জন্য একটি নতুন কৌশল তৈরি করেছেন। যেহেতু গাউসিয়ানরা পিক্সেলের চেয়ে বেশি কমপ্যাক্ট, এটি উল্লেখযোগ্যভাবে মেমরি এবং পাওয়ার প্রয়োজনীয়তা হ্রাস করে।

একই নীতি তাদের অ্যালগরিদমের মাধ্যমে চলে – বেশিরভাগ গণনাগুলি নেটিভ পিক্সেলের পরিবর্তে কমপ্যাক্ট গাউসিয়ানদের উপর সরাসরি কাজ করে, যা শক্তি দক্ষতার জন্য অনুমতি দেয়।

গবেষকরা একটি চিপ ডিজাইন করতে এই নীতির সুবিধা নিচ্ছেন যা গাউসিয়ানদের ধরে রাখে যে এটি একটি ছোট, দ্রুত অন-চিপ মেমরিতে সক্রিয়ভাবে কাজ করছে, কম্পিউটিং ইউনিটের ঠিক পাশে। এটি শুধুমাত্র সম্ভব কারণ গাউসিয়ান মানচিত্র এত কমপ্যাক্ট।

পরবর্তী ধাপে রোবটের যে গাউসিয়ানদের কাজ করতে হবে তারা অন-চিপ মেমরি ইউনিটে অপেক্ষা করছে, তাই তাদের আরও দূরবর্তী, পাওয়ার-হাংরি অফ-চিপ স্টোরেজ থেকে আনার দরকার নেই।

“একটি ডেডিকেটেড মেমরি থাকার দ্বারা যা শুধুমাত্র আপনার আগের ফ্রেমে দেখা বস্তুগুলিকে সঞ্চয় করে, আপনি আরও দক্ষতার সাথে ডেটা অ্যাক্সেস করতে পারেন,” ফু ব্যাখ্যা করেন।

তারা বিভিন্ন ধরনের বৈচিত্র্যপূর্ণ, পূর্ব-বিদ্যমান 3D পরিবেশ পুনরায় তৈরি করে সিস্টেম-অন-এ-চিপ পরীক্ষা করেছে। চিপটি আইফোন ক্যামেরা থেকে সরাসরি স্ট্রিম করা লাইভ ডেটা থেকে বাধাগুলি পুনর্গঠন এবং স্থান পরিষ্কার করতে পারে।

Gleanmer রিয়েল টাইমে বিশদ 3D মানচিত্র তৈরি করবে যখন প্রায় 6 মিলিওয়াট শক্তি ব্যবহার করবে। সর্বোত্তম বিদ্যমান মানচিত্র-বিল্ডিং চিপের যে শক্তির প্রয়োজন হবে তার মাত্র 2.5 শতাংশ শক্তি প্রয়োজন।

এটির পরিকল্পনার পথে কম্প্যাক্ট গাউসিয়ানদের পুনঃব্যবহারের মাধ্যমে, চিপটি রোবটটিকে অন্যথায় প্রয়োজনীয় শক্তির মাত্র 20 শতাংশ ব্যবহার করে একটি নিরাপদ পথ তৈরি করতে দেয়।

“অ্যালগরিদমটি দক্ষ কিনা তা নিশ্চিত করে আমরা মেমরির খরচ কমিয়ে দেই। তারপরে আমরা সেই দক্ষ অ্যালগরিদম দ্বারা সঞ্চালিত কাজের চাপকে ত্বরান্বিত করি, তাই শেষ পর্যন্ত, আমাদের চিপ যতটা সম্ভব কার্যকরী হয়,” লি বলেছেন।

গবেষকরা পরিবেশগত তথ্য সংগ্রহকারী সেন্সরগুলির কাছাকাছি অন-চিপ প্রক্রিয়াকরণ ইউনিটগুলিকে সরিয়ে শক্তি দক্ষতা আরও উন্নত করার পরিকল্পনা করেছেন। তারা অন্যান্য অ্যাপ্লিকেশনগুলিও অন্বেষণ করতে পারে, যেমন স্কিমা প্রতিনিধিত্ব করতে গাউসিয়ানদের ব্যবহার। এটি এআই সিস্টেমগুলিকে জটিল অঙ্কন সম্পর্কে আরও দক্ষতার সাথে চিন্তা করতে সহায়তা করতে পারে।

“রিয়েল-টাইম 3D ম্যাপিং ছোট স্বায়ত্তশাসিত সিস্টেমের জন্য অনুপস্থিত অংশ। একটি ড্রোন একটি পাইপ বা এক জোড়া AR চশমা একটি রুমে নেভিগেট করে উভয়েরই চারপাশের স্থান বুঝতে হবে – তাত্ক্ষণিকভাবে, অবিচ্ছিন্নভাবে, এবং প্রায় কোনও বিদ্যুতের খরচ ছাড়াই। Gleanmer এটিকে প্রথমবারের মতো একটি চিপে সক্ষম করে যা আপনি আপনার আঙ্গুলের মধ্যে ধরে রাখতে পারেন৷”

এই কাজটি আংশিকভাবে MIT-MathWorks ফেলোশিপ, Amazon, US National Science Foundation, এবং Intel দ্বারা সমর্থিত ছিল।