新加坡国立大学研究人员利用英特尔Loihi神经形态芯片提高机器人感知能力

拾取苏打水可能是人类的简单任务，但它对一个机器人有挑战性，必须找到物体，推断它的形状，确定适当的力量，并掌握它而不让它滑动。今天大多数机器人依赖于可视化处理，这限制了它们的能力。根据新加坡国立大学的研究人员，机器人需要一种特殊的触摸感，机器人需要一种特殊的触摸感和能够快速而智能地处理感官信息的能力。

Nus的计算机科学家和材料工程师团队最近展示了一种使机器人更聪明的新方法。他们上周表示，他们开发了一种人工感官系统，这些系统模仿了可以在高效的神经胸处理器上运行的生物神经网络，例如英特尔的洛基芯片。这部新颖系统集成了人造皮肤和视觉传感器，使机器人能够基于视觉和触摸传感器的数据实时捕获的数据来吸引它们的准确结论。

新加坡国立大学材料科学与工程系助理教授本杰明·蒂(Benjamin Tee)说:“近年来，机器人操作领域取得了巨大进展。”“然而，融合视觉和触觉信息以提供毫秒级的高精度响应仍然是一项技术挑战。”

Tee说:“我们最近的工作将我们的超高速电子皮肤和神经系统与机器人视觉传感和人工智能的最新创新相结合，使它们在物理互动中变得更聪明、更直观。”Tee与Harold Soh共同领导了这个项目，新加坡国立大学计算机学院计算机科学系助理教授。

这项跨学科研究的结果在机器人技术:科学与系统会议于2020年7月。

人类的机器人触摸

使一个类人触觉新加坡国立大学研究小组表示，在机器人技术方面的进步可以显著改善现有的功能，甚至带来新的用途。例如，在工厂车间，装有电子皮肤的机器人手臂可以很容易地适应不同的物品，利用触觉感知识别和抓住不熟悉的物体，并施加适当的压力，以防止滑动。

在新的机器人系统中，Nus团队应用了一种先进的人造皮肤，称为异步编码电子皮肤（aces.）由TEE和他的团队于2019年开发。这个新颖的传感器检测触摸比人类感觉神经系统的速度快1000倍。它还能识别物体的形状、质地和硬度，速度比眨眼快10倍。

“制造一种超高速的人造皮肤传感器，解决了让机器人更智能的一半难题。他们还需要一个能够最终实现感知和学习的人工大脑，作为拼图中的另一个关键部分，”Tee补充道，他也是新加坡国立大学健康创新与技术研究所的成员。

新加坡国立大学的神经形态学技术

为了推进机器人的感知，Nus团队探索了神经形态技术 - 计算了人脑的神经结构和操作的计算领域 - 从人工皮肤处理感官数据。随着TEE和SOH是英特尔神经形态研究界（INRC）的成员，它是一种自然的使用英特尔sLoihi他们新机器人系统的神经形态研究芯片。

在初步实验中，NUS研究人员用人工皮肤安装了一个机器人手，并用它来读取盲文，通过云将触觉数据传递给罗基，将手中的微凸块转换为语义含义。罗希在分类盲文字母中实现了超过92％的准确性，同时使用的功率低于正常微处理器。

Soh的团队通过在尖峰神经网络中结合愿景和触摸数据来改善机器人的感知能力。在实验中，研究人员任务是一个配备有人造皮肤和视觉传感器的机器人，以分类含有不同量的液体的各种不透明容器。他们还测试了系统识别旋转滑动的能力，这对于稳定抓握是重要的。

在这两项测试中，使用视觉和触觉数据的峰值神经网络能够对物体进行分类并检测物体滑移。这种分类比仅使用视觉的系统精确10%。

此外，使用由SOH团队开发的技术，神经网络可以在累积时对感官数据进行分类，而与在完全收集后数据被分类的传统方法不同。

此外，研究人员还展示了神经形态技术的效率:Loihi处理感官数据的速度比顶级图形处理单元(GPU)快21%，而耗电量却少了45倍以上。

“我们对这些结果感到兴奋，”Soh说。“他们表明，神经形态系统是将多个传感器结合起来提高机器人感知能力的一个有前途的拼图。这是朝着制造节能、可靠的机器人迈出的一步，这些机器人能够在意外情况下做出快速、适当的反应。”

英特尔，NR2PO支持新加坡国立大学的研究

英特尔(Intel)神经形态计算实验室(Neuromorphic Computing Lab)主任迈克•戴维斯(Mike Davies)表示:“新加坡国立大学(National University of Singapore)的这项研究为机器人技术的未来提供了引人注目的一瞥。在未来，信息将以事件驱动的方式结合多种模式被感知和处理。”“这项工作增加了越来越多的结果，表明一旦整个系统在基于事件的范式下重新设计，跨越传感器、数据格式、算法和硬件架构，神经形态计算可以在延迟和功耗方面获得显著提高。”

这项研究得到了国家机器人研发计划办公室(NR2PO)的支持，该计划旨在通过研发资金来培育新加坡的机器人生态系统。NR2PO的机器人投资的主要考虑因素包括应用的潜力，使公共部门受益，并有助于区分国家的工业。

今后，Tee和Soh计划进一步开发他们的新型机器人系统，应用于物流和食物制造业对机器人自动化需求很高，特别是在职位前进新冠肺炎时代