麻省理工學(xué)院的研究人員正在尋求解決機(jī)器人處理信息速度非常之快和移動(dòng)速度相對(duì)較慢之間的巨大差距，他們正在使用一種叫做 “機(jī)器人形態(tài)計(jì)算 ”的東西來(lái)實(shí)現(xiàn)這一目標(biāo)。這種方法由麻省理工學(xué)院計(jì)算機(jī)科學(xué)與人工智能（CSAIL）畢業(yè)生Sabrina Neuman博士設(shè)計(jì)，其結(jié)果是定制的計(jì)算機(jī)芯片可以提供硬件加速，以此來(lái)加快響應(yīng)時(shí)間。

為一個(gè)非常特定的目的定制芯片并不新鮮，但隨著公司和技術(shù)專(zhuān)家希望在功率和計(jì)算限制更保守的設(shè)備上進(jìn)行更多的本地計(jì)算，而不是通過(guò)網(wǎng)絡(luò)連接將數(shù)據(jù)往返于大型數(shù)據(jù)中心。在這種情況下，該方法涉及創(chuàng)建超特定的芯片，這些芯片是根據(jù)機(jī)器人的物理布局和及其預(yù)期用途設(shè)計(jì)的。通過(guò)考慮機(jī)器人對(duì)周?chē)h(huán)境的感知、對(duì)其在這些環(huán)境中的位置的映射和理解，以及由上述映射和所需動(dòng)作產(chǎn)生的運(yùn)動(dòng)規(guī)劃等方面的要求，研究人員可以設(shè)計(jì)出處理芯片，通過(guò)用硬件加速補(bǔ)充軟件算法，大大提高最后一個(gè)階段的效率。

大多數(shù)人經(jīng)常遇到的硬件加速的經(jīng)典例子就是圖形處理單元，或者說(shuō)GPU。GPU本質(zhì)上是一個(gè)專(zhuān)門(mén)為處理圖形計(jì)算操作任務(wù)而設(shè)計(jì)的處理器，比如顯示渲染和視頻播放。GPU之所以受歡迎，是因?yàn)閹缀跛械默F(xiàn)代計(jì)算機(jī)都會(huì)運(yùn)行到圖形密集型應(yīng)用，但由于更多可定制和高效的小型芯片制造技術(shù)的出現(xiàn)，用于一系列不同功能的定制芯片最近變得更加流行。

現(xiàn)在MIT新聞介紹了Neuman機(jī)器人控制硬件芯片設(shè)計(jì)情況。該系統(tǒng)創(chuàng)建了一個(gè)定制的硬件設(shè)計(jì)，以最好地滿足特定機(jī)器人的計(jì)算需求。用戶輸入機(jī)器人的參數(shù)，比如它的肢體布局和各個(gè)關(guān)節(jié)的運(yùn)動(dòng)方式。Neuman系統(tǒng)將這些物理屬性轉(zhuǎn)化為數(shù)學(xué)矩陣。這些矩陣是 “稀疏的”，這意味著它們包含許多零值，這些零值大致對(duì)應(yīng)于給定機(jī)器人特殊解剖結(jié)構(gòu)下不可能的動(dòng)作。

然后，該系統(tǒng)設(shè)計(jì)了一個(gè)專(zhuān)門(mén)的硬件架構(gòu)，只對(duì)矩陣中的非零值運(yùn)行計(jì)算。因此，所產(chǎn)生的芯片設(shè)計(jì)是量身定做的，以最大限度地提高機(jī)器人計(jì)算需求的效率。而這種定制化設(shè)計(jì)在測(cè)試中得到了回報(bào)。Neuman的團(tuán)隊(duì)使用了一種現(xiàn)場(chǎng)可編程門(mén)陣列（FPGA），這有點(diǎn)像介于完全定制芯片和現(xiàn)成CPU之間的中間點(diǎn)，它的性能明顯優(yōu)于后者。

讓機(jī)器人對(duì)環(huán)境做出更快的反應(yīng)并不僅僅是為了提高制造速度和效率，這也是為了讓機(jī)器人在人類(lèi)與機(jī)器人并肩工作和協(xié)作的情況下更加安全地工作。這仍然是機(jī)器人技術(shù)在日常生活中更廣泛使用的重要障礙，這意味著這項(xiàng)研究可以幫助未來(lái)人類(lèi)和機(jī)器人和諧共存。

責(zé)任編輯：haq