心理学家使用迷宫来评估小鼠或大鼠的学习能力。但是机器人呢?他们能学会在迷宫的曲折中导航吗?现在,荷兰埃因霍温理工大学 (TU/e) 和德国美因茨马克斯普朗克聚合物研究所的研究人员已经证明他们可以做到。他们的机器人根据人类用来思考和行动的系统来做出决定:大脑。该研究发表在《科学进展》上,为神经形态设备在健康及其他领域的激动人心的新应用铺平了道路。
机器学习和神经网络应用于图像识别、医疗诊断、电子商务等诸多领域。尽管如此,这种基于软件的机器智能方法也有其缺点,尤其是因为它消耗了太多能量。
这个电源问题是研究人员一直试图开发更节能的计算机的原因之一。为了找到解决方案,许多人正在人脑中寻找灵感,这是一种思维机器,由于它结合了记忆和处理的方式,在低功耗方面无与伦比。
神经元通过所谓的突触相互交流,每当信息流过它们时,突触就会得到加强。正是这种可塑性确保了人类的记忆和学习。
“在我们的研究中,我们采用这种模型开发了一种能够学习穿越迷宫的机器人,”Imke Krauhausen 博士解释说。TU/e机械工程系学生,论文主要作者。
“就像老鼠大脑中的突触在心理学家的迷宫中每次正确转弯时都会得到加强一样,我们的设备通过施加一定量的电力来‘调整’。”
配备有机神经形态电子设备的机器人学会通过 16 步找到迷宫出口。信用:TU/e
那么它是怎样工作的?
Krauhausen 和她的同事用于研究的机器人是 Mindstorms EV 3,这是乐高制造的机器人套件。配备了两个轮子、确保它可以跟随一条线的传统引导软件以及许多反射和触摸传感器,它被送入一个 2 m 2 的迷宫,迷宫由蜂窝状的黑色六边形组成。
默认情况下,机器人被编程为向右转。每次它到达死胡同或从指定路径偏离到出口(由视觉提示指示)时,它会被告知返回或左转。然后将这种矫正刺激存储在神经形态设备中以供下一次努力。
“最后,我们的机器人跑了 16 圈才成功找到出口,”克劳豪森说(见图)。“而且,更重要的是,一旦它学会了导航这条特定路线(目标路径 1),它就可以一次导航到任何其他路径(目标路径 2)。因此,它获得的知识是可推广的。”
据克劳豪森说,机器人学习和走出迷宫的能力成功的部分原因在于传感器和电机的独特集成,他与美因茨的马克斯普朗克聚合物研究所密切合作进行了这项研究。“这种感觉和运动相互加强的感觉运动整合也是大自然的运作方式,所以这就是我们试图在我们的机器人中模仿的东西。”
智能聚合物
这项研究的另一个巧妙之处在于用于神经形态机器人的有机材料。这种聚合物(称为 p(g2T-TT))不仅稳定,而且还能够保留大部分特定状态,在迷宫中运行时调整了这些状态。这确保了所学行为的持续性,就像人脑中的神经元和突触记住事件或动作一样。
在神经形态计算领域使用聚合物代替硅是由美因茨马克斯普朗克聚合物研究所的 Paschalis Gkoupidenis 和 TU/e 的 Yoeri van de Burgt 率先提出的,他们都是该论文的合著者。
在他们的研究中(从 2015 年到 2017 年),他们证明了这种材料可以在比无机材料更大的传导范围内进行调节,并且能够“记住”或长时间存储学习到的状态。此后,有机设备成为基于硬件的人工神经网络领域的热门话题。
仿生手
聚合物材料还具有额外的优势,即它们可用于多种生物医学应用。“由于它们的有机性质,这些智能设备原则上可以与实际的神经细胞集成。假设你在受伤期间失去了手臂。然后你可能会使用这些设备将你的身体连接到仿生手,”克劳豪森说。
有机神经形态计算的另一个有前景的应用在于所谓的小型边缘计算设备,其中来自传感器的数据在云之外本地处理。Van de Burgt:“这就是我看到我们的设备在未来发展的方向。我们的材料将非常有用,因为它们易于调整、使用更少的功率并且制造成本低。”
那么神经形态机器人有朝一日能像 TU/e 成功的足球机器人一样踢足球吗?Krauhausen 说:“原则上,这当然是可能的。但还有很长的路要走。我们的机器人仍然部分依赖传统软件来移动。为了让神经形态机器人执行真正复杂的任务,我们需要在许多设备在一个网格中协同工作。这是我将在博士研究的下一阶段进行的工作。”