挤压很多在不占用太多空间的情况下,将计算能力转化为机器人能源对于他们的设计师来说,这是一场持久战但是一个新方法模仿人类大脑结构可以提供一个解决方案。

当今大多数移动机器人的能力都相当初级,但赋予它们智能来完成工作仍然是一个严峻的挑战。在动态环境中控制身体需要惊人的处理能力,这既需要芯片的空间,也需要相当大的能量来驱动它们。

随着机器人变得越来越复杂和有能力,这些需求只会增加。今天最强大的人工智能系统在大量数据中心运行,其芯片数量远远超过移动机器的实际容量。慢慢的死亡摩尔定律这表明,我们不能指望传统处理器在短期内大幅提高效率或变得更紧凑。

这促使南加州大学(University of Southern California)的一个研究小组重提了40多年前的一个想法:在两个互补结构之间模拟人类大脑的劳动分工年代。大脑负责视觉、听觉和思维等高级认知功能,小脑则整合感官数据,并控制运动、平衡和姿势。

当这个想法第一次被提出时,这项技术并不存在,但在一篇论文中实现了最近发表在科学的机器人,研究人员描述了一个混合系统,它结合了控制运动的模拟电路和控制感知和决策的数字电路。

通过大脑和机器人的小脑可以同时执行多项任务具有更短的延迟和更低的功耗研究人员写道。

研究人员正在试验的机器人类型看起来基本上就像一个平衡在一对轮子上的杆子。他们有一个应用范围很广,从悬浮滑板到仓库物流——波士顿动力公司(boston Dynamics)最近推出的把手机器人(Handle robot)遵循同样的原理运行。要保持它们的稳定是出了名的困难,但新方法设法通过从根本上提高compu的速度和效率,显著改善了所有数字控制方法t道路。

让这个想法生动起来的关键是最近出现的记忆电阻器-电阻依赖于先前输入的电子元件,这使得它们能够以类似于生物神经元的方式将计算和记忆结合在一起。

研究人员使用忆阻器建立了一个模拟电路,该电路运行一种算法,负责整合来自机器人加速度计和陀螺仪的数据,加速度计和陀螺仪对检测其身体的角度和速度至关重要,另一种控制其运动。这种设置的一个关键优势是来自传感器的信号是模拟的,因此它不需要额外的电路来将它们转换为数字信号,节省空间和电力。

作者报告说,更重要的是,模拟系统比标准的全数字系统速度快一个数量级,而且更节能。这不仅让他们降低了电力需求,还让他们把处理循环从3000微秒缩短到6微秒。这大大提高了机器人的稳定性,只需一个二是安定到稳定状态比较多三个使用数字平台的时间。

目前这只是一个概念验证。研究人员建造的机器人体积小且不成熟,在模拟电路上运行的算法也相当基本。但这一原理很有前景,目前大量的研发正在进入基于神经形态和记忆电阻的模拟计算硬件领域。

就像经常出现的情况一样,似乎我们模仿迄今为止发现的最好的计算模型——我们自己的大脑——不会走得太远。

图片来源:照片的爱好/Unsplash

我是一名自由科技作家,住在印度班加罗尔。我的主要兴趣领域是工程学、计算机和生物学,尤其关注这三者之间的交叉点。

遵循Edd: