神经形态引擎为滚动机器人提供动力，将电力消耗减少 99.75%
运动设计内幕
一个滚动机器人跟随机械工程博士生安晓秋，目标是一根钢棒上的一块红色纸板。 （图片来源：Mingze Chen，密歇根大学纳米工程与纳米器件实验室）模拟计算正在卷土重来，硬件可以在同一位置处理和存储信息，类似于生物神经元。密歇根大学展示了一种更小、更轻、更节能的计算机，可以帮助减轻自动无人机和漫游车的重量和功耗，从而对自动驾驶汽车产生更广泛的影响。
根据科学进展上发表的研究，自主控制器是报告中功耗要求最低的控制器之一 。它的工作功率仅为 12.5 微瓦，相当于心脏起搏器的功率。在他们的测试中，使用该控制器的滚动机器人能够以与传统数字控制器相同的速度和精度追踪走廊上曲折的目标。在第二次试验中，新控制器的杠杆臂可以自动重新定位，效果也同样好。
“这项工作推出了一种突破性的纳米电子设备，专为硬件平台设计，可以利用神经网络架构进行高效计算，”密歇根大学机械工程教授、该研究的通讯作者梁晓干说。
高效率和小型化对于无人机和太空漫游器等重量和能量都非常宝贵的应用尤其重要。然而，传统的自动驾驶汽车也可以从该技术中受益。根据先前的研究，每年 10 亿小时的自动驾驶汽车行驶时间可能消耗的电力比当今全球数据中心的总和还要多。
模拟计算几乎被放弃，因为数字计算具有更低的功耗和更高的精度，它似乎不太可能成为英雄，但一种相对较新的电路元件正在改变游戏规则。忆阻器于 1971 年提出，并于 2008 年首次展示，它将信息存储在其电阻中。当它暴露在电压下时，它会减少对下一个信号施加的电阻。随着时间的推移，一些忆阻器会忘记以前的信号并恢复到原来的电阻，这种行为类似于神经元的松弛。这是梁团队打造的类型。
滚动机器人跟随机械工程博士生安晓秋，目标是一根钢棒上的一块红色纸板。插图显示了机器人的摄像头画面。 （视频：Mingze Chen，密歇根大学纳米工程与纳米器件实验室）
因为忆阻器网络的功能已经很像神经网络，所以忆阻器网络可以比传统的基于晶体管的计算机更有效地充当人工神经网络。此外，对于本身是模拟的传感器和执行器来说，保持模拟处理可以节省在模拟和数字之间转换信号的能源成本。
该团队在密歇根大学卢里纳米加工设施中通过在硅芯片上摩擦直径约 30 微米的金尖臂来构建忆阻器电路，就像在头发上摩擦气球一样，这样它就会通过静电粘在墙上。然后，电荷引导汽化的硒化铋沿着八条约 15 纳米厚的纵横交错线积聚，这些线的排列类似于井字棋盘。然后，他们在每条线的末端镀上钛和金电极。
在无人机控制器测试台上将新型忆阻器控制器（右）与标准控制器（左）进行比较。无人机旋翼必须在落地后将杠杆臂提升到给定位置，然后在推动杠杆臂后恢复该位置。 （视频：Mingze Chen、Xiaoqiu An 和 Nihal Sekhon，密歇根大学纳米工程和纳米器件实验室）
他们通过一个电极注入信号，并在芯片另一侧的五个电极上读出信号，每个电极代表一个神经元。在这项研究中，滚动机器人的摄像头数据必须在硅处理器中转换为模拟信号，然后才能通过忆阻器网络。同样，对于杠杆臂，有关手臂位置的数据通过硅处理器进入忆阻器网络，并生成运行附加无人机旋翼以将手臂提升到正确位置的指令基础。
“像我们这样的设备可以让机器人像人类一样拥有直觉行为，就像你触摸很热的水然后把手缩回来一样。控制响应可能不太准确，但可以非常快，”最近攻读博士学位的陈明泽说。机械工程专业毕业。
“边缘计算意味着信息不必传输到数据中心进行处理，就像我们手和手臂上的神经和肌肉可以做出反应，而无需将信息发送到我们的大脑。边缘计算可以更快，功耗更低，因为我们不需要花费时间和精力来传输数据。”
来源
文字记录
该视频没有可用的文字记录。
传感器