拿起一罐汽水对于人类来说可能是一个简单的任务，但是对于机器人来说，这是一项复杂的任务。
机器人必须找到物体，推导其形状，确定正确的使用强度并抓住物体而无需让它滑倒。当今大多数机器人仅基于视觉处理来操作，这限制了它们的功能。为了执行更复杂的任务，机器人必须配备出色的触觉以及能够快速，智能地处理感官信息的能力。
新加坡国立大学（NUS）的计算机科学家和材料工程师团队最近展示了一种使机器人更智能的令人兴奋的方法。他们开发了一种模仿生物神经网络的感官集成人工大脑系统，该系统可以在高能效的神经形态处理器（例如英特尔的Loihi芯片）上运行。这种新颖的系统集成了人工皮肤和视觉传感器，使机器人能够根据视觉和触摸传感器实时捕获的数据得出关于所握持物体的准确结论。
“近年来，机器人操纵领域取得了长足进步。但是，融合视觉和触觉信息以在毫秒内提供高精度的响应仍然是一项技术挑战。我们最近的工作将我们的超快电子皮肤和神经系统与机器人视觉感测和AI方面的最新创新，使它们在物理交互方面变得更智能，更直观。”新国大材料科学与工程系助理教授Benjamin Tee说。他与国大计算机学院计算机科学系的助理教授Harold Soh共同领导了这个项目。
机器人类似人的触觉
在机器人技术中启用类似于人的触摸感可以大大改善当前的功能，甚至带来新的用途。例如，在工厂车间，装有电子皮肤的机械臂可以很容易地适应不同的物品，通过触觉感应以适当的压力识别并抓住不熟悉的物体以防止打滑。
在新的机器人系统中，NUS团队采用了由Aste Tee教授及其团队在2019年开发的先进人工皮肤，称为异步编码电子皮肤（ACES）。这种新型传感器的触摸速度比人类感觉神经系统快1000倍以上。它也可以识别物体的形状，质地和硬度，比眨眼快十倍。
来自Tee的Asst教授补充说：“制造超快速的人造皮肤传感器可以解决使机器人变得更聪明的难题。他们还需要一个人造大脑，最终可以实现感知和学习，这是难题中的另一个关键部分。”国大卫生创新技术研究所。
机器人般的人脑
为了在机器人感知方面开辟新天地，NUS团队探索了神经形态技术（一种模拟人类大脑的神经结构和操作的计算领域）来处理来自人造皮肤的感觉数据。由于Tee教授和Soh教授都是Intel Neuromorphic研究社区（INRC）的成员，因此自然而然地选择将Intel的Loihi神经形态研究芯片用于他们的新机器人系统。
在他们的最初实验中，研究人员将一只机器人手戴上了人造皮肤，并用它来读取盲文，然后将触觉数据通过云传递给Loihi,将手所感觉到的微微凸起转化为语义。在对盲文字母进行分类时，Loihi的准确性达到了92％以上，而功耗却是普通微处理器的20倍。
Soh教授助理的团队通过在尖峰神经网络中结合视觉和触摸数据来提高机器人的感知能力。在实验中，研究人员要求配备了人造皮肤和视觉传感器的机器人对装有不同量液体的各种不透明容器进行分类。他们还测试了系统识别旋转滑移的能力，这对于稳定抓握至关重要。
在这两个测试中，使用视觉和触摸数据的尖刺神经网络能够对物体进行分类并检测物体的滑移。该分类比仅使用视觉的系统准确10％。而且，使用Soh教授团队开发的技术，神经网络可以在积累感官数据时对其进行分类，这与传统的方法是在完全收集数据后对其进行分类不同。此外，研究人员展示了神经形态技术的效率：Loihi处理传感数据的速度比性能最高的图形处理单元（GPU）快21％，而功耗却降低了45倍以上。
Soh教授表示：“我们对这些结果感到兴奋。它们表明，神经形态系统是组合多个传感器以改善机器人感知力的有前途的难题。这是构建可响应的高能效且值得信赖的机器人的一步在意外情况下迅速而适当地进行。”
“新加坡国立大学的这项研究使人对机器人技术的未来有了深刻的了解，在该技术中，以事件驱动的方式结合多种方式来感知和处理信息。这项工作增加了越来越多的结果，表明神经形态计算可以提供一旦对整个系统进行了基于事件的范例，包括传感器，数据格式，算法和硬件体系结构的重新设计，就可以显着提高延迟和功耗。”英特尔神经形态计算实验室主任Mike Davies先生说。
这项研究得到了国家机器人研发计划办公室（NR2PO）的支持，该机构通过资助研发（R＆D）来培育新加坡的机器人生态系统，以增强机器人技术和解决方案的就绪性。NR2PO的R＆D投资的主要考虑因素包括在公共部门中具有影响力的应用程序的潜力，以及为我们行业创造差异化能力的潜力。
展望未来，Tee教授和Soh教授计划进一步开发其新颖的机器人系统，以用于对机器人自动化有很高需求的物流和食品制造行业，尤其是在后COVID时代。