導讀：拿起一罐汽水對于人類來說可能是一個簡單的任務，但是對于機器人來說，這是一項復雜的任務。

機器人必須找到物體，推導其形狀，確定正確的使用強度并抓住物體而無需讓它滑倒。當今大多數機器人僅基于視覺處理來操作，這限制了它們的功能。為了執行更復雜的任務，機器人必須配備出色的觸覺以及能夠快速，智能地處理感官信息的能力。

新加坡國立大學（NUS）的計算機科學家和材料工程師團隊最近展示了一種使機器人更智能的令人興奮的方法。他們開發了一種模仿生物神經網絡的感官集成人工大腦系統，該系統可以在高能效的神經形態處理器（例如英特爾的Loihi芯片）上運行。這種新穎的系統集成了人工皮膚和視覺傳感器，使機器人能夠根據視覺和觸摸傳感器實時捕獲的數據得出關于所握持物體的準確結論。

“近年來，機器人操縱領域取得了長足進步。但是，融合視覺和觸覺信息以在毫秒內提供高精度的響應仍然是一項技術挑戰。我們最近的工作將我們的超快電子皮膚和神經系統與機器人視覺感測和AI方面的最新創新，使它們在物理交互方面變得更智能，更直觀。”新國大材料科學與工程系助理教授Benjamin Tee說。他與國大計算機學院計算機科學系的助理教授Harold Soh共同領導了這個項目。

機器人類似人的觸覺

在機器人技術中啟用類似于人的觸摸感可以大大改善當前的功能，甚至帶來新的用途。例如，在工廠車間，裝有電子皮膚的機械臂可以很容易地適應不同的物品，通過觸覺感應以適當的壓力識別并抓住不熟悉的物體以防止打滑。

在新的機器人系統中，NUS團隊采用了由Aste Tee教授及其團隊在2019年開發的先進人工皮膚，稱為異步編碼電子皮膚（ACES）。這種新型傳感器的觸摸速度比人類感覺神經系統快1000倍以上。它也可以識別物體的形狀，質地和硬度，比眨眼快十倍。

來自Tee的Asst教授補充說：“制造超快速的人造皮膚傳感器可以解決使機器人變得更聰明的難題。他們還需要一個人造大腦，最終可以實現感知和學習，這是難題中的另一個關鍵部分。”國大衛生創新技術研究所。

機器人般的人腦

為了在機器人感知方面開辟新天地，NUS團隊探索了神經形態技術（一種模擬人類大腦的神經結構和操作的計算領域）來處理來自人造皮膚的感覺數據。由于Tee教授和Soh教授都是Intel Neuromorphic研究社區（INRC）的成員，因此自然而然地選擇將Intel的Loihi神經形態研究芯片用于他們的新機器人系統。

在他們的最初實驗中，研究人員將一只機器人手戴上了人造皮膚，并用它來讀取盲文，然后將觸覺數據通過云傳遞給Loihi,將手所感覺到的微微凸起轉化為語義。在對盲文字母進行分類時，Loihi的準確性達到了92％以上，而功耗卻是普通微處理器的20倍。

Soh教授助理的團隊通過在尖峰神經網絡中結合視覺和觸摸數據來提高機器人的感知能力。在實驗中，研究人員要求配備了人造皮膚和視覺傳感器的機器人對裝有不同量液體的各種不透明容器進行分類。他們還測試了系統識別旋轉滑移的能力，這對于穩定抓握至關重要。

在這兩個測試中，使用視覺和觸摸數據的尖刺神經網絡能夠對物體進行分類并檢測物體的滑移。該分類比僅使用視覺的系統準確10％。而且，使用Soh教授團隊開發的技術，神經網絡可以在積累感官數據時對其進行分類，這與傳統的方法是在完全收集數據后對其進行分類不同。此外，研究人員展示了神經形態技術的效率：Loihi處理傳感數據的速度比性能最高的圖形處理單元（GPU）快21％，而功耗卻降低了45倍以上。

　Soh教授表示：“我們對這些結果感到興奮。它們表明，神經形態系統是組合多個傳感器以改善機器人感知力的有前途的難題。這是構建可響應的高能效且值得信賴的機器人的一步在意外情況下迅速而適當地進行。”

“新加坡國立大學的這項研究使人對機器人技術的未來有了深刻的了解，在該技術中，以事件驅動的方式結合多種方式來感知和處理信息。這項工作增加了越來越多的結果，表明神經形態計算可以提供一旦對整個系統進行了基于事件的范例，包括傳感器，數據格式，算法和硬件體系結構的重新設計，就可以顯著提高延遲和功耗。”英特爾神經形態計算實驗室主任Mike Davies先生說。

這項研究得到了國家機器人研發計劃辦公室（NR2PO）的支持，該機構通過資助研發（R＆D）來培育新加坡的機器人生態系統，以增強機器人技術和解決方案的就緒性。NR2PO的R＆D投資的主要考慮因素包括在公共部門中具有影響力的應用程序的潛力，以及為我們行業創造差異化能力的潛力。

展望未來，Tee教授和Soh教授計劃進一步開發其新穎的機器人系統，以用于對機器人自動化有很高需求的物流和食品制造行業，尤其是在后COVID時代。