受动物大脑启发的人工智能改变了自主机器人的游戏规则|无人机_新浪财经

首架基于视觉控制的全神经形态人工智能无人机。

神经形态无人机飞越花朵图案的照片。它展示了无人机从角落里的神经形态相机接收到的视觉输入。红色表示像素变暗，绿色表示像素变亮。

　　荷兰代尔夫特理工大学（Delft University of Technology）的一个研究小组开发出了一种无人机，它可以利用基于动物大脑工作原理的神经形态图像处理和控制技术自动飞行。与目前在GPU（图形处理器）上运行的深度神经网络相比，动物大脑使用的数据和能量更少。因此，神经形态处理器非常适合小型无人机，因为它们不需要笨重的大型硬件和电池。研究结果是非凡的：在飞行过程中，无人机的深度神经网络处理数据的速度是在GPU上运行时的64倍，能耗是在GPU上运行时的三分之一。这项技术的进一步发展可能使无人机实现飞跃，变得像昆虫或鸟类一样小巧、敏捷和智能。相关研究成果最近发表在《科学机器人学》（Science Robotics）杂志上。向动物大脑学习：尖峰神经网络

　　人工智能在为自主机器人提供实际应用所需的智能方面潜力巨大。然而，当前的人工智能依赖于需要大量计算能力的深度神经网络。用于运行深度神经网络的处理器（图形处理器，GPU）需要消耗大量能源。特别是对于无人机等小型机器人来说，这是一个问题，因为它们只能携带非常有限的传感和计算资源。

　　动物大脑处理信息的方式与GPU上运行的神经网络截然不同。生物神经元异步处理信息，主要通过称为尖峰的电脉冲进行通信。由于发送这种尖峰脉冲需要耗费能量，因此大脑会尽量减少尖峰脉冲，从而实现稀疏处理。

　　受动物大脑这些特性的启发，科学家和科技公司正在开发新的神经形态处理器。这些新型处理器可以运行尖峰神经网络，并有望变得更快、更节能。

　　“尖峰神经网络进行的计算比标准深度神经网络简单得多，”研究者之一、博士生杰西·哈根纳斯（Jesse Hagenaars）说，“数字尖峰神经元只需要将整数相加，而标准神经元则需要将浮点数相乘和相加。这使得尖峰神经网络更快、更节能。要理解为什么，想想人类计算5+8比计算6.25×3.45+4.05×3.45容易得多。”

　　如果将神经形态处理器与神经形态传感器（如神经形态相机）结合使用，则能进一步提高能效。这种相机不以固定的时间间隔拍摄图像，相反，每个像素只有在变亮或变暗时才会发出信号。这种摄像头的优点是能更快地感知运动，更节能，在黑暗和明亮的环境中都能正常工作。此外，神经形态相机发出的信号可以直接输入在神经形态处理器上运行的尖峰神经网络。这些技术结合在一起，可以为自主机器人，尤其是无人机等小型敏捷机器人提供巨大的推动力。

首次利用神经形态视觉和控制飞行无人机

　　代尔夫特理工大学的研究人员在5月15日发表在《科学机器人学》上的一篇文章中，首次展示了一种利用神经形态视觉和控制进行自主飞行的无人机。具体来说，他们开发了一种尖峰神经网络，可以处理来自神经形态相机的信号，并输出控制指令，从而决定无人机的姿势和推力。他们在无人机上的神经形态处理器——英特尔的Loihi神经形态研究芯片上部署了这一网络。有了这个网络，无人机可以感知并控制自己在各个方向上的运动。

　　“我们面临着许多挑战，”参与这项研究的研究人员之一费德里科·帕雷德斯·瓦莱斯（Federico Paredes-Vallés）说，“但最难的是想象如何训练尖峰神经网络，使训练既足够快，又能使训练后的网络在真正的机器人上运行良好。最后，我们设计了一个由两个模块组成的网络。第一个模块从移动神经形态摄像机的信号中学习视觉感知运动。它完全靠自己，以自我监督的方式，仅根据摄像头的数据来完成这项工作。这与动物学习自我感知世界的方式类似。第二个模块是在模拟器中学习将估计的运动映射到控制指令。这种学习依赖于模拟中的人工进化，在这种进化中，控制无人机能力更强的网络产生后代的概率更高。经过几代人工进化，尖峰神经网络的控制能力越来越强，最终能够以不同的速度向任何方向飞行。我们训练了这两个模块，并开发了一种将它们合并在一起的方法。我们很高兴地看到，合并后的网络立即就能在真正的机器人上正常工作了。”

　　通过神经形态视觉和控制，无人机能够在从黑暗到明亮的不同光线条件下以不同的速度飞行。它甚至可以在灯光闪烁的情况下飞行，这使得神经形态相机的像素向网络发送大量与运动无关的信号。

神经形态人工智能提高能效和速度

　　“重要的是，我们的测量结果证实了神经形态人工智能的潜力。网络平均每秒运行274到1600次。如果我们在小型嵌入式GPU上运行相同的网络，平均每秒只能运行25次，相差约10~64倍！此外，在运行网络时，英特尔Loihi神经形态研究芯片的功耗为1.007瓦，其中1瓦是处理器开启芯片时的闲置功耗。运行网络本身只消耗7毫瓦。相比之下，运行相同的网络时，嵌入式GPU的功耗为3瓦，其中1瓦为闲置功耗，2瓦用于运行网络。神经形态方法使人工智能运行得更快、更高效，可以部署在更小的自主机器人上。”神经形态无人机领域的博士生斯坦因·斯特罗班茨（Stein Stroobants）说。

神经形态人工智能在微型机器人中的未来应用

　　“神经形态人工智能将使所有自主机器人变得更加智能，”生物启发无人机教授吉多·德·克罗恩（Guido de Croon）说，“但它绝对是微型自主机器人的‘助推器’。在代尔夫特理工大学航空航天工程学院，我们正在研究微型自主无人机，其应用范围从温室作物监测到仓库库存跟踪不等。微型无人机的优点是非常安全，可以在狭窄的环境中飞行，比如在番茄植株之间。此外，它们还非常便宜，可以成群部署。这对于更快地覆盖一个区域非常有用。”

　　目前的工作是朝着这个方向迈出的一大步。然而，这些应用的实现将取决于进一步缩小神经形态硬件的规模，并将功能扩展到导航等更复杂的任务。（航柯）