神经形态芯片显着降低了滚动机器人的功率需求——赛斯维传感器网-pg电子游戏平台

位于中国北京的清华大学类脑计算研究的一组研究人员开发了一种神经形态芯片，与传统的 nvidia 相比，该芯片可以将猫鼠式滚动机器人的功耗降低约一半专为人工智能应用而设计的芯片。在他们发表在《科学机器人》杂志上的论文中，该小组描述了他们用于构建芯片的设计概念以及它在测试时的工作情况。

随着人工智能应用程序的成熟，它们变得更加复杂并且需要更多的电力来运行，这对于在该领域工作的自主机器人来说可能是一个问题。这些系统中的大多数都基于使用神经网络。在这项新的努力中，研究人员认为，构建具有类似能力但基于神经形态计算技术的芯片将消耗更少的能量。他们构建了一个名为 tianjicx 的神经形态芯片，并将其放入一个名为 tianjicat 的小型滚动机器人中。

该芯片具有时空弹性，允许自适应分配其资源以及调度多个任务（机器人能够跟踪并追逐鼠标，同时处理和响应有关信息障碍）。它还有一个模块，可以弥补给定要求和机器人物理架构之间的差距。

然后，tianjicat 被编程为跟踪目标并使用来自车载传感器的数据避免撞到障碍物。在这种情况下，目标是一个滚动的遥控玩具，顶部固定有一只卡通鼠标。研究人员将其称为猫捉老鼠的挑战。

研究人员发现机械猫非常有能力在避开障碍物的同时追逐老鼠。它也能抓住老鼠。tianjicat 的功耗比相同的基于 nvidia 芯片的机器人低 50% 以上。他们还发现，他们基于神经形态芯片的机器人的延迟显着降低——比基于 nvidia 的系统少 79 倍，从而使机器人能够更快地做出决策。