機器人如果也能像人一樣能用皮膚去觸摸世界，并能通過芯片給出計算和反應，會是什么樣？
近日，新加坡國立大學（NUS）的研究人員利用英特爾神經(jīng)擬態(tài)芯片Loihi開發(fā)了一種人造皮膚，能夠讓機器人以比人類感覺神經(jīng)系統(tǒng)快1000倍的速度檢測觸覺，還可以比眨眼快10倍的速度識別物體的形狀、質(zhì)地和硬度。他們的研究發(fā)表在新近一期的《機器人技術(shù)：科學與系統(tǒng)》雜志上。
人類擁有觸覺，可以感知粗糙、柔軟等不同表面之間的細微差異。但對于大多數(shù)機器人來說，它們的機械手是冷冰冰的，沒有觸覺感受，僅能基于視覺處理進行操作。為機器人提供一種類似人的觸感可以大大改善其功能，可以擴展其使用范圍。例如，在工廠中，配備有人造皮膚的機械臂可以觸摸產(chǎn)品，并根據(jù)產(chǎn)品的不同施加適當?shù)膲毫?，抓取不熟悉的物體。這種能夠感知周圍環(huán)境的能力，還可以讓人與機器人的互動更緊密、更安全。如果外科手術(shù)機器人能擁有比人類更靈敏的觸覺，人類未來將可能利用機器人開展自動化手術(shù)。
雖然創(chuàng)造人造皮膚是實現(xiàn)這一愿景的關(guān)鍵一步，但還有一樣東西不可缺少——芯片，這種芯片可以根據(jù)皮膚的感官數(shù)據(jù)實時得出準確的結(jié)論，同時又足夠節(jié)能，可以直接部署在機器人內(nèi)部。
NUS研究的團隊成員之一、材料科學與工程系助理教授Benjamin Tee表示：“如果說讓機器人變得更智能是一幅拼圖，人造皮膚傳感器只解決了拼圖的一半，一個能夠最終實現(xiàn)感知和學習的人工大腦是這幅拼圖中的另一個關(guān)鍵部分。我們用英特爾Loihi等神經(jīng)擬態(tài)芯片對AI皮膚系統(tǒng)進行了獨特研究，為實現(xiàn)能效和擴展性邁出了重要一步?！?/p>
Loihi是由英特爾實驗室設(shè)計的一種神經(jīng)擬態(tài)研究測試芯片，它使用異步尖峰神經(jīng)網(wǎng)絡(luò)（SNN）來實現(xiàn)自適應自修改事件驅(qū)動的細粒度并行計算，提高機器學習和推理的效率。人腦的工作方式是通過脈沖或尖峰傳遞信息，使用異步尖峰神經(jīng)網(wǎng)絡(luò)（SNN）的Loihi芯片可以模擬人腦的工作方式。英特爾的Loihi芯片具有13萬個人工神經(jīng)元和1.3億個突觸。
在研究過程中，NUS團隊首先教會一個裝有人造皮膚的機械手閱讀盲文。機械手將觸覺數(shù)據(jù)傳遞給Loihi，由Loihi將機械手感覺到的微突轉(zhuǎn)化為語義。結(jié)果表明，Loihi的識別準確率超過92%，并且功耗比標準馮諾依曼處理器低20倍。
在這項工作的基礎(chǔ)上，研究人員將視覺和觸覺數(shù)據(jù)結(jié)合到尖峰神經(jīng)網(wǎng)絡(luò)（SNN）中，進一步提高了機器人的感知能力，并通過兩個實驗任務評估該系統(tǒng)。首先，研究人員教會機械手利用人造皮膚的觸覺和基于相機的視覺，對裝有不同量液體不透明容器進行分類，并將數(shù)據(jù)發(fā)送到 GPU和Loihi，證明了該系統(tǒng)可以區(qū)分相對較小的重量差異。
在第二項實驗中，研究人員使用相同的觸覺和視覺傳感器，測試了機器人系統(tǒng)感知和識別旋轉(zhuǎn)滑移的能力，證明該系統(tǒng)可以在0.08s內(nèi)準確檢測到旋轉(zhuǎn)滑移。結(jié)果表明，通過尖峰神經(jīng)網(wǎng)絡(luò)（SNN）將基于事件的視覺和觸覺相結(jié)合，比單獨使用視覺數(shù)據(jù)的準確性提高10%。在性能方面，Loihi處理傳感數(shù)據(jù)的速度比性能最佳的GPU高21%，而功耗卻低了45倍。
研究團隊成員之一、NUS計算機學院助理教授Harold Soh補充說：“我們對這些研究結(jié)果感到興奮。這表明神經(jīng)擬態(tài)系統(tǒng)有希望結(jié)合多傳感器，解決機器人感知能力難題。這讓我們朝著制造節(jié)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?shù)刈龀龇磻??！?/p>
英特爾神經(jīng)擬態(tài)計算實驗室主任Mike Davies表示：“新加坡國立大學的這項研究，讓人類對機器人技術(shù)的未來有了深刻的了解，也就是說，未來機器人會以事件驅(qū)動的方式，結(jié)合多模態(tài)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(tǒng)進行基于事件的范式重新設(shè)計，包括傳感器、數(shù)據(jù)格式、算法和硬件體系結(jié)構(gòu)，神經(jīng)擬態(tài)計算的使用可以顯著降低延遲和功耗。”
新的研究突破具有眾多潛在應用前景。研究人員認為，這項工作可以改善人機交互，從而使諸如護理機器人和自動機器人手術(shù)等工作變得更加可行。
