据外媒报道，昆士兰科技大学（QUT）机器人研究人员开发出新型机器人导航系统，可模拟人脑的神经过程，但其能耗不到传统系统的10%。

图片来源： 昆士兰科技大学

相关论文发表于期刊《科学机器人》（Science Robotics）。在论文中，研究人员详细介绍了一种名为“LENS”（Locational Encoding with Neuromorphic Systems，基于神经形态系统的位置编码）的新系统。该论文的标题为“一种用于超节能、设备上机器人定位的紧凑型神经形态系统（A compact neuromorphic system for ultra energy-efficient, on-device robot localization）”。

LENS利用脑启发计算技术，为机器人位置识别树立了新的低能耗标杆。

这项研究由第一作者、神经科学家Adam Hines博士以及来自昆士兰科技大学机器人中心和电气工程与机器人学院的Michael Milford教授和Tobias Fischer博士共同完成，他们使用了一种名为神经形态计算的系统。

“为了运行这些神经形态系统，我们设计了专门的算法，使其学习方式更像人类，以类似于真实神经元使用的电脉冲形式处理信息，”Hines博士说道。“能源限制是现实世界机器人技术面临的一大挑战，尤其是在搜索救援、太空探索和水下导航等领域。通过使用神经形态计算，我们的系统将视觉定位的能耗降低了高达99%，使机器人能够在有限的电源条件下运行更长时间，覆盖更远的距离。我们知道神经形态系统可以更高效，但它们通常过于复杂，在现实世界中难以使用——我们开发了一种新系统，我们认为它将改变它们在机器人中的使用方式。”

在这项研究中，研究人员开发了LENS系统，该系统能够识别8公里行程中的位置，但仅占用180KB的存储空间，几乎比其他系统少300倍。

LENS将类似大脑的脉冲神经网络、仅对运动做出反应的特殊摄像头和低功耗芯片集成在一个小型机器人上。

“该系统展示了神经形态计算如何实现机器人的实时、节能定位跟踪，为低功耗导航技术开辟了新的可能性，”Hines博士说道。更低的能耗可以让远程操作的机器人探索更长时间、更远。我们的系统使机器人能够仅使用视觉信息进行定位，既快速又节能。”

ARC DECRA研究员Fischer博士表示，LENS系统的关键创新在于一种新算法，它利用了两种前景广阔的仿生硬件：通过一种被称为“事件相机”的特殊相机进行感知，以及通过神经形态芯片进行计算。

Fischer博士表示：“事件相机并非捕捉场景的完整图像，捕捉每一帧中的每个细节，而是每微秒持续感知变化和运动。摄像头能够检测每个像素的亮度变化，精确模拟了我们的眼睛和大脑处理视觉信息的方式。了解你的位置，也称为视觉位置识别，对人类和机器人都至关重要。虽然人们可以轻松地利用视觉线索，但这对机器来说是一项具有挑战性的任务。”

昆士兰科技大学机器人中心主任Michael Milford教授表示，这项研究代表了该中心研究人员开展的一个关键研究主题。

“具有影响力的机器人技术不仅意味着开创性的突破性研究，也意味着开展所有转化工作，以确保其满足最终用户的期望和要求，”Milford教授说道。“你不能只做其中一件事。这项研究是致力于节能机器人系统的一个很好的例子，该系统为最终用户提供机器人在其应用领域发挥作用所需的性能和耐用性。”