2020年7月16日 ——今天，新加坡國立大學(NUS)的兩名研究人員，同時也是英特爾神經(jīng)擬態(tài)研究社區(qū)(INRC)的成員發(fā)表了最新研究結(jié)果，表明在機器人領域，與基于事件的視覺和觸覺感知相結(jié)合，英特爾神經(jīng)擬態(tài)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(tǒng)相比，將觸覺引入機器人技術能夠顯著提升系統(tǒng)能力和功能，并且神經(jīng)擬態(tài)芯片在處理此類感官數(shù)據(jù)方面能夠超越傳統(tǒng)架構(gòu)。

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(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。”

圖注：新加坡國立大學研究團隊和最新集成了由事件驅(qū)動的人造皮膚和視覺傳感器的機器人系統(tǒng)。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)

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(qū)別。然而，現(xiàn)在大多數(shù)機器人的操作都是基于視覺處理。新加坡國立大學的研究人員希望用他們最近開發(fā)的人造皮膚來改變這一狀況。根據(jù)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(jīng)系統(tǒng)快1000倍以上，并且在識別物體的形狀、質(zhì)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于人類的觸覺，可以顯著提升當前系統(tǒng)功能，甚至可以產(chǎn)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(chǎn)的商品的變化，利用觸感來識別和抓住不熟悉的物體，并施加適當?shù)膲毫σ苑乐勾蚧?。這種能夠感覺并更好地感知周圍環(huán)境的能力，還可以在例如護理行業(yè)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。

雖然創(chuàng)造人造皮膚是實現(xiàn)這一愿景的第一步，但它還需要一種芯片，這種芯片需要根據(jù)皮膚的感官數(shù)據(jù)實時得出準確的結(jié)論，同時以足夠節(jié)能的水平運行，以便可以直接部署在機器人內(nèi)部?！叭绻f讓機器人變得更智能是一幅拼圖，制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(chuàng)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(xiàn)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(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>

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(jīng)擬態(tài)技術的潛力，嘗試利用英特爾Loihi神經(jīng)擬態(tài)研究芯片處理來自人造皮膚的感官數(shù)據(jù)。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(shù)據(jù)通過云傳遞給Loihi，以將手感覺到的微突轉(zhuǎn)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。

圖注：由新加坡國立大學研究員研發(fā)出的這一新型機器人系統(tǒng)包含一個能夠模擬生物神經(jīng)網(wǎng)絡人造大腦，可以在英特爾Loihi這樣低能耗的神經(jīng)擬態(tài)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)

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(shù)據(jù)結(jié)合到脈沖神經(jīng)網(wǎng)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于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(tǒng)識別旋轉(zhuǎn)滑移的能力，這對于穩(wěn)定抓握至關重要。

當捕獲到這些感官數(shù)據(jù)后，研究小組將其分別發(fā)送給GPU和英特爾的Loihi神經(jīng)擬態(tài)研究芯片，從而比較兩者的處理能力。本周在《機器人學：科學與系統(tǒng)》上發(fā)表的研究結(jié)果表明，與僅使用視覺的系統(tǒng)相比，使用脈沖神經(jīng)網(wǎng)絡(SNN)與基于事件的視覺和觸覺相結(jié)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(jīng)擬態(tài)技術用于為此類機器人設備中的功耗情況，Loihi處理感官數(shù)據(jù)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(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>

關于英特爾神經(jīng)擬態(tài)研究社區(qū)(INRC)

英特爾神經(jīng)擬態(tài)研究社區(qū)是一個由世界各地的學術團體、政府實驗室、研究機構(gòu)和公司組成的生態(tài)系統(tǒng)，與英特爾合作，進一步推動神經(jīng)擬態(tài)計算并開發(fā)創(chuàng)新的AI應用程序。有興趣加入INRC并為Loihi開發(fā)的研究人員，可以訪問英特爾INRC網(wǎng)站, 也可以在該網(wǎng)站上獲取當前成員的列表。