乐高头脑风暴EV3机器人配备了有机神经形态大脑。学分:TU/ e心理学家用迷宫来评估小鼠或大鼠的学习能力。但是机器人呢？他们能学会穿越迷宫的曲折吗？现在，荷兰埃因霍温理工大学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。他们的机器人基于人类用来思考和行动的系统:大脑。这项发表在科学进展的研究，为神经形态装置在健康和其他领域令人兴奋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。然而，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的能量。
这个电力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，许多人都在人脑中寻找灵感，人脑是一种思维机器，由于它将记忆和处理结合在一起，所以功耗非常低。
神经元通过所谓的突触相互交流，每当信息流经突触时，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，我们采用了这种模型来开发一种能够学习穿越迷宫的机器人，”TU/e大学机械工程系博士生、该论文的主要作者Imke Krauhausen解释道。
“就像老鼠大脑中的突触每次在心理学家的迷宫中正确转弯时都会得到加强一样，我们的设备也是通过施加一定量的电流来‘调谐’的。”
装有有机神经形态电子设备的机器人学习用16步找到迷宫的出口。信用:TU/e那么它是如何工作的呢？
克劳豪森和她的同事在研究中使用的机器人是一个头脑风暴EV3，一个由乐高制造的机器人套件。它配备了两个轮子、传统的引导软件来确保它能沿着一条线行驶，以及多个反射和触摸传感器，被送入一个2平方米的迷宫，迷宫由蜂窝状图案的黑色六边形组成。
机器人被编程为默认右转。每当它到达死胡同或偏离指定路径到达出口(由视觉提示指示)时，它被告知要么返回，要么左转。然后，这种矫正刺激被储存在神经形态装置中，用于下一步的努力。
“最终，我们的机器人跑了16次才成功找到出口，”克劳斯豪森说(见图)。“更重要的是，一旦它学会了导航这条特定的路线(目标路径1)，它就可以一次导航给定的任何其他路径(目标路径2)。所以它所获得的知识是可以概括的。”
根据与美因茨马克斯·普朗克聚合物研究所密切合作进行这项研究的克劳斯豪森的说法，机器人学习和走出迷宫的能力的成功部分在于传感器和马达的独特集成。“这种感觉和运动相互加强的感觉运动整合，也是大自然运作的方式，所以这是我们试图在机器人中模仿的。”
智能聚合物
这项研究的另一个聪明之处是用于神经形态机器人的有机材料。这种聚合物(被称为p(g2T-TT))不仅是稳定的，而且它还能够保留在迷宫运行过程中被调节的大部分特定状态。这就确保了学习的行为会持续下去，就像人脑中的神经元和突触会记住事件或动作一样。
学分:埃因霍温理工大学在神经形态计算领域使用聚合物代替硅是美因茨马克斯·普朗克聚合物研究所的Paschalis Gko upidenis和TU/e的Yoeri van de Burgt的首创，他们都是这篇论文的合著者。
在他们的研究中(可追溯到2015年和2017年)，他们证明了这种材料可以在比无机材料大得多的传导范围内进行调节，并且它能够长时间“记住”或存储学习状态。此后，有机器件成为基于硬件的人工神经网络领域的研究热点。
仿生手
聚合材料还有一个额外的优点，即它们可以用于许多生物医学应用。“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在一起。假设你在一次受伤中失去了手臂。然后你可以潜在地使用se设备将你的身体连接到仿生手，”克劳斯豪森说。
有机神经形态计算的另一个有前途的应用在于所谓的小型边缘计算设备，在这些设备中，来自传感器的数据被处理在云之外。范德堡:“这是我认为我们的设备未来的发展方向。我们的材料将非常有用，因为它们易于调谐，耗电少得多，而且制造成本低廉。”
那么，神经形态机器人有一天能像TU/e成功的足球机器人一样，玩一场足球比赛吗？克劳斯豪森说，“原则上，这当然是可能的。但是还有很长的路要走。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，我们需要构建神经形态网络，其中许多设备在网格中协同工作。这是我在博士研究的下一阶段将致力于的事情。”
来源：由phyica.com整理转载自PH，转载请保留出处和链接！
