從外表看，這臺無人機和它的同類沒有很大不同，但實際上，它的“大腦”別有乾坤。

這是荷蘭代爾夫特理工大學團隊研發(fā)的新式無人機，采用了基于動物大腦工作原理的神經(jīng)形態(tài)圖像處理器來控制自主飛行。與目前在GPU（圖形芯片）上運行的深度神經(jīng)網(wǎng)絡(luò)相比，動物大腦使用的數(shù)據(jù)和能量更少。因此，神經(jīng)形態(tài)處理器非常適合小型無人機，完全不需要笨重的大型硬件和電池。在飛行過程中，該無人機的深度神經(jīng)網(wǎng)絡(luò)處理數(shù)據(jù)的速度比在GPU上運行時快64倍，而能耗僅為后者的1/3。

如果這項技術(shù)進一步發(fā)展，可能會使所有無人機都變得像飛蟲或鳥類一樣小巧、敏捷且智能。

上圖為第一架采用完全視覺控制的神經(jīng)形態(tài)AI無人機。

下圖為神經(jīng)形態(tài)無人機飛越花朵圖案，無人機從放在角落的神經(jīng)形態(tài)相機接收到視覺輸入。紅色表示像素變暗，綠色表示像素變亮。

圖片來源：圭多·德·克羅恩/代爾夫特理工大學

“進階”為脈沖神經(jīng)網(wǎng)絡(luò)

人工智能（AI）擁有巨大潛力，可為自主機器人提供實際應(yīng)用所需的智力支持。然而，當前的AI依賴于需要大量計算能力的深度神經(jīng)網(wǎng)絡(luò)。用于運行深度神經(jīng)網(wǎng)絡(luò)的GPU又會消耗大量能量，特別是對于像無人機這樣的小型機器人來說，更是一個嚴重問題，因為它們在傳感和計算方面只能攜帶非常有限的資源。

動物大腦處理信息的方式，則與GPU上運行的神經(jīng)網(wǎng)絡(luò)截然不同。生物神經(jīng)元異步處理信息，主要通過尖峰電脈沖進行通信。由于發(fā)送這樣的尖峰會消耗能量，因此大腦會自發(fā)最大限度地減少尖峰。

受動物大腦這些特性的啟發(fā)，科學家們正在開發(fā)新的神經(jīng)形態(tài)處理器。這些新處理器允許運行脈沖神經(jīng)網(wǎng)絡(luò)。

脈沖神經(jīng)網(wǎng)絡(luò)執(zhí)行的計算比標準深度神經(jīng)網(wǎng)絡(luò)中的計算簡單得多。數(shù)字脈沖神經(jīng)元只需要添加整數(shù)，而標準神經(jīng)元必須相乘并添加浮點數(shù)。這使得脈沖神經(jīng)網(wǎng)絡(luò)更快、更節(jié)能。舉個例子，這就好比人類大腦可以簡單地判斷出，計算5+8比計算6.25×3.45+4.05×3.45要容易得多。

如果將神經(jīng)形態(tài)處理器與神經(jīng)形態(tài)傳感器（如神經(jīng)形態(tài)相機）結(jié)合，這種能源效率還將進一步提高。其信號可直接輸入在神經(jīng)形態(tài)處理器上運行的脈沖神經(jīng)網(wǎng)絡(luò)，成為自主機器人的巨大推動力。

　首次實現(xiàn)神經(jīng)形態(tài)視覺和控制

在發(fā)表于《科學·機器人》上的一篇文章中，荷蘭代爾夫特理工大學研究人員首次展示了這種使用神經(jīng)形態(tài)視覺和控制進行自主飛行的無人機。具體來說，他們開發(fā)了一種脈沖神經(jīng)網(wǎng)絡(luò)，可處理來自神經(jīng)形態(tài)相機的信號，并輸出控制命令，以確定無人機的姿態(tài)和推力。他們將這個網(wǎng)絡(luò)部署在無人機上的神經(jīng)形態(tài)處理器上，即英特爾的Loihi神經(jīng)形態(tài)研究芯片。借助網(wǎng)絡(luò)，無人機可感知并控制自己在各個方向的運動。

訓練脈沖神經(jīng)網(wǎng)絡(luò)其實是個巨大挑戰(zhàn)。研究團隊設(shè)計了由兩個模塊組成的網(wǎng)絡(luò)。第一個模塊學習從移動的神經(jīng)形態(tài)相機的信號中，通過視覺感知運動。它僅利用來自相機的數(shù)據(jù)，完全以自我監(jiān)督的方式自行完成，類似于動物學習如何感知世界。

第二個模塊學習在模擬器中將估計的運動映射到控制命令。這種學習依賴于模擬中的人工進化，經(jīng)過幾代人工進化，脈沖神經(jīng)網(wǎng)絡(luò)就會越來越擅長控制，最終能夠以不同的速度向任何方向飛行。

最終，無論是在黑暗環(huán)境中穿梭，還是在明亮光線下翱翔，憑借其神經(jīng)形態(tài)視覺和控制，無人機能輕松實現(xiàn)不同的光照條件下的多種速度飛行。

　神經(jīng)形態(tài)AI大幅提高能效和速度

這是神經(jīng)形態(tài)AI的一次完美演出。

首先，該網(wǎng)絡(luò)平均每秒運行274—1600次。而在小型嵌入式GPU上運行的同一網(wǎng)絡(luò)，平均每秒僅運行25次，相差10—64倍。

其次，在運行該網(wǎng)絡(luò)時，英特爾Loihi神經(jīng)形態(tài)研究芯片耗電1.007瓦，其中1瓦是處理器在打開芯片時消耗的空閑功率，運行網(wǎng)絡(luò)本身只需7毫瓦；相比之下，嵌入式GPU在運行同一網(wǎng)絡(luò)時，耗電為3瓦，其中1瓦為空閑功率，2瓦用于運行網(wǎng)絡(luò)。

神經(jīng)形態(tài)方法無疑使AI運行更快、更高效，而且能輕松部署在微型自主機器人上。

拿微型自主無人機來說，其可用于監(jiān)測溫室作物、跟蹤倉庫庫存等諸多領(lǐng)域。它們更安全，可在狹窄的環(huán)境中（比如幾株植物之間）順利導(dǎo)航；它們還非常便宜，可以成群部署，快速覆蓋一整個區(qū)域。

但科學家不會止步于此，他們正在進一步縮小神經(jīng)形態(tài)硬件，并準備將神經(jīng)形態(tài)AI擴展到更復(fù)雜的任務(wù)中。

關(guān)鍵詞：