當前，大多數可移動機器人的功能都還處于很初級的階段，對它們而言，要想足夠智能地完成某些工作依然是一個嚴峻的挑戰。如何為機器人設計一種類似“人腦”的大腦結構，來提升其智能化程度，一直是近年來的研究熱點。

實際上，“類人機器人”的想法早在 40 年前就已經提出——模仿人腦的運轉分工，即使用互補的兩個腦結構，大腦（或前腦 cerebrum）負責視覺、聽覺和思維等更高層次的認知功能，而小腦（cerebellum）則負責整合感官數據并控制運動、平衡和身體姿勢。但是，在這一想法最初提出時，對應的機器人技術還尚未實現。

近日，一篇發表于《科學機器人》（Science Robotics）的論文就詳細描述了一種混合系統，該系統將控制運動的模擬電路和控制感知和決策的數字電路結合起來，不僅顯著降低了系統能耗，還提升了機器精度和計算效率。

研究人員表示，通過模擬大腦和小腦之間的協作，機器人可以在延遲、功耗更低的情況下，同時執行多個任務。

混合系統的關鍵——憶阻器

我們知道，機器人要想在動態環境中控制機體，需要具備極強的處理能力，這既需要有一個超大的芯片空間，又需要有足夠多的電量來維持續航。同時，機器人在實時控制中，需要快速獲取和處理感官信息，從而可以對不斷變化的環境條件做出快速反應。

傳統上，機器人的控制能力主要是依靠純數字方法來實現，但這類數字化系統會導致高延遲和高功耗。

而在此次工作中，為使機器人可以適應環境變化，研究人員通過利用憶阻器（即記憶器件和電阻器件的結合體）的可重構性（可編程導電性）來實現機器人運動控制。他們使用憶阻器構建了一個模擬電路，該電路下的一種算法負責集成來自機器人的加速度計和陀螺儀的數據。

憶阻器是一個雙端裝置，其電阻取決于先前的輸入。這種電阻存儲器效應是非易失性的，這就意味著即使當電流被移除時，它的電導狀態也會保留，從而產生電阻隨機存取存儲器（RRAM）。

結果顯示，這種方法顯著減少了計算時間，從而使機器人控制具有更高的精度和速度成為可能。

此外，可編程電阻性還有額外的好處，即允許計算和內存處于相同的物理位置（這種方法也與人腦處理信息的方法類似），控制系統的計算效率因此得以提高。而且，它幾乎不會因為器件的變化而受影響，同時還具有較高的耐損性和較長的壽命。

研究人員在實驗中只使用兩個憶阻器。第一個憶阻器用于模擬濾波器來去除會導致機器人不穩定的傳感器信號噪聲，然后運動控制器接收濾波后的傳感器信號，并使用第二個憶阻器來控制機器人。為了優化第二個憶阻器的導電性，同時使系統能夠對未知和不可預測的情況作出即時反應，研究人員在隨機搜索算法的基礎上，通過一個適應性的學習過程，實現了一種無模型的方法來優化系統參數。

由于濾波器和控制函數的計算是在模擬域中進行的，因此不需要額外的模數轉換器或數模轉換器，這就大大降低了系統功耗、減少了處理時間和整體電路面積與成本，同時由于量化噪聲的降低，精度也得以提高。此外，這些功能背后的計算并不發生在系統的數字域，因此減少了其計算負荷。

混合系統的局限性與展望

研究人員在移動倒立擺機器人上實現了他們的混合信號控制器。這個裝置看起來大致像一根平衡放于兩個輪子上的桿，從懸浮板到倉儲物流，這種簡單機器人有著非常廣泛的應用場景，波士頓動力公司（Boston Dynamics）最近推出的手臂機器人也基于這種模型進行操作。

與標準的全數字系統相比，這種模擬信號系統的處理速度要快一個數量級，并且能效更高。這不僅使其可以降低原來的電力需求，而且還可以將處理環路耗時從 3000 微秒減少到 6 微秒。這顯著提高了機器人的穩定性，原本如果只使用數字平臺，機器人完成單個任務需要耗費3秒多時間，現在則只需1秒就能完成并穩定下來。

除了憶阻器外，該混合系統的其余部件均可通過商用電子元件實現。這將使類似的機器人運動控制器可以與更小、更輕的機器人結合在一起使用，使得它們以更高的能效和更快的速度響應不斷變化的環境。

不過，研究人員也表示，這僅僅是當前在概念上的證明。他們建造的機器人體積小而且只具有基本形態，在模擬電路上運行的算法也相對簡單。但是，可以確定的是，這一概念證明是非常具有前景的，目前已有大量研發投入到神經形態和基于憶阻器的模擬計算硬件之中。

正如研究人員所說：“通過模擬人腦的大腦和小腦的協作，機器人明顯可以同時執行多個任務，而且等待時間更短，功耗更低。” 畢竟到目前為止，“人腦”是科學家們發現的最佳計算模型。

審核編輯 黃昊宇