利用人造皮膚和視覺傳感器，讓機器人的觸覺更加敏銳
近日，新加坡國立大學（NUS）的兩名研究人員，同時也是英特爾神經擬態研究社區（INRC）的成員發表了最新研究結果，表明在機器人領域，與基於事件的視覺和觸覺感知相結合，英特爾神經擬態計算大有可為。這項工作著重介紹了與目前只有視覺的系統相比，將觸覺引入機器人技術能夠顯著提升系統能力和功能，並且神經擬態晶片在處理此類感官數據方面能夠超越傳統架構。
英特爾神經擬態計算實驗室主任Mike Davies表示：「新加坡國立大學的這項研究，讓人們對機器人技術的未來有了深刻的了解，也就是說，未來機器人會以事件驅動的方式，結合多模態來感知和處理信息。有越來越多類似的研究顯示，一旦我們對整個系統進行基於事件的範式重新設計，包括傳感器、數據格式、算法和硬體體系結構，神經擬態計算的使用可以顯著降低延遲和功耗。」
人類的觸覺足夠靈敏，可以感覺到不同表面之間的細微不同，哪怕這些差異僅僅是一層分子的區別。然而，現在大多數機器人的操作都是基於視覺處理。新加坡國立大學的研究人員希望用他們最近開發的人造皮膚來改變這一狀況。根據他們的研究，這種人造皮膚在檢測觸覺方面，可以比人類的感覺神經系統快1000倍以上，並且在識別物體的形狀、質地和硬度方面，可以比人類眨眼速度快10倍。
在機器人技術中啟用類似於人類的觸覺，可以顯著提升當前系統功能，甚至可以產生新的用例。例如，配備有人造皮膚的機械臂可以很容易地適應工廠生產的商品的變化，利用觸感來識別和抓住不熟悉的物體，並施加適當的壓力以防止打滑。這種能夠感覺並更好地感知周圍環境的能力，還可以在例如護理行業中讓人與機器人更緊密、更安全地互動，或者賦予外科手術機器人目前所缺乏的觸覺，使我們更接近手術任務的自動化。
新加坡國立大學研究團隊和最新集成了由事件驅動的人造皮膚和視覺傳感器的機器人系統。這一研究項目由助理教授Harold Soh（最左）和助理教授Benjamin Tee （最右）領導。和他們一起的分別是研究成員（從左至右）Sng Weicong、Tasbolat Taunyazov以及See Hian Hian。 （圖片來源：新加坡國立大學）
雖然創造人造皮膚是實現這一願景的第一步，但它還需要一種晶片，這種晶片需要根據皮膚的感官數據實時得出準確的結論，同時以足夠節能的水平運行，以便可以直接部署在機器人內部。「如果說讓機器人變得更智能是一幅拼圖，製造超快的人造皮膚傳感器只解決了大約一半，」新加坡國立大學材料科學與工程系、健康與創新技術研究所的助理教授Benjamin Tee表示，「機器人還需要一個能夠最終實現感知和學習的人工大腦，這是這幅拼圖中的另一個關鍵部分。我們用英特爾Loihi等神經擬態晶片對AI皮膚系統進行了獨特研究，為實現能效和擴展性邁出了重要一步。」
為了在機器人感知領域進行突破，新加坡國立大學團隊開始探索神經擬態技術的潛力，嘗試利用英特爾Loihi神經擬態研究晶片處理來自人造皮膚的感官數據。在最初的實驗中，研究人員使用配有人造皮膚的機械手讀取盲文，將觸覺數據通過雲傳遞給Loihi，以將手感覺到的微突轉化為語義。在對盲文字母進行分類上，Loihi達到了92％以上的準確率，而功耗卻比標準的馮·諾依曼處理器低20倍。
在這項工作的基礎上，新加坡國立大學團隊通過將視覺和觸覺數據結合到脈衝神經網絡（SNN）中，進一步提高了機器人的感知能力。為此，他們讓一個機器人利用來自人造皮膚和基於事件的相機的感官輸入，對裝有不同量液體的各種不透明容器進行分類。研究人員也使用了相同的觸覺和視覺傳感器，來測試感知系統識別旋轉滑移的能力，這對於穩定抓握至關重要。
當捕獲到這些感官數據後，研究小組將其分別發送給GPU和英特爾的Loihi神經擬態研究晶片，從而比較兩者的處理能力。本周在《機器人學：科學與系統》上發表的研究結果表明，與僅使用視覺的系統相比，使用脈衝神經網絡（SNN）與基於事件的視覺和觸覺相結合，可以使物品分類的準確率提高10％。此外，研究人員也展示了神經擬態技術用於為此類機器人設備中的功耗情況，Loihi處理感官數據的速度比高性能的GPU還要快21％，而功耗卻降低了45倍。
新加坡國立大學計算學院計算機科學系的助理教授Harold Soh表示：「我們對這些研究結果感到興奮。這表明神經擬態系統有希望結合多傳感器，解決機器人感知能力難題。這讓我們朝著製造節能而且值得信賴的機器人又邁出了一步，這種機器人能夠在意外情況下迅速、恰當地做出反應。」
由新加坡國立大學研究員研發出的這一新型機器人系統包含一個能夠模擬生物神經網絡人造大腦，可以在英特爾Loihi這樣低能耗的神經擬態處理器上運行。該機器人也集成了人造皮膚以及視覺傳感器。 （圖片來源：新加坡國立大學）
文章來源：電子產品世界
