工程师将微型机器人编程为移动 像昆虫一样思考

虽然工程师已经成功地构建了微小的，类似昆虫的机器人，但是对它们进行编程以使其像自然昆虫一样自主行为，这仍然是技术挑战。一群康奈尔大学的工程师一直在试验一种模仿昆虫大脑运作方式的新型编程，很快人们就会想知道墙上的那只苍蝇是否真的是一只苍蝇。

机器人感知一阵风所需的计算机处理能力，使用嵌在机翼上的微小的头发状金属探针，相应地调整其飞行，并计划其路径，因为它试图降落在摇曳的花朵上需要它在其背面携带台式电脑。Silvia Ferrari是机械和航空航天工程教授，智能系统和控制实验室主任，他认为神经形态计算机芯片的出现是一种缩小机器人有效载荷的方法。

与处理0和1的组合作为二进制代码的传统芯片不同，神经形态芯片处理复杂组合中的电流尖峰，类似于神经元在大脑内部发射的方式。法拉利的实验室正在开发一种新的"基于事件的"传感和控制算法，模拟神经活动并可在神经形态芯片上实现。由于芯片所需的功率远远低于传统处理器，因此工程师可以将更多计算量计入相同的负载。

法拉利的实验室与哈佛微机器人实验室合作，该实验室开发了一种80毫克飞行的RoboBee，配备了许多视觉，光流和运动传感器。虽然机器人目前仍然与电源相连，但哈佛大学的研究人员正致力于通过开发新的电源来消除限制。康奈尔算法将有助于使RoboBee更加自主，适应复杂的环境，而不会显着增加其重量。

"受到阵风或摆动门的撞击会导致这些小型机器人失去控制。我们正在开发传感器和算法，以使RoboBee避免坠机，或者撞击，生存并仍然飞行，"法拉利说。"你不能真正依赖机器人的先前建模来做到这一点，因此我们希望开发能够适应任何情况的学习控制器。"

为了加速基于事件的算法的开发，法拉利实验室的博士生Taylor Clawson创建了一个虚拟模拟器。基于物理的模拟器模拟RoboBee及其在每个机翼行程中面临的瞬时空气动力。因此，该模型可以准确预测RoboBee在复杂环境中飞行时的运动。

"模拟用于测试算法和设计它们，"Clawson说道，他帮助成功开发了一个机器人自动飞行控制器，使用生物学启发的编程作为神经网络。"该网络能够实时学习，以解决制造过程中引入的机器人的不规则性，这使得机器人更难以控制。"

除了更大的自主性和弹性之外，法拉利还说她的实验室计划帮助RoboBee配备新的微型设备，如相机，用于触觉反馈的扩展天线，机器人脚上的接触传感器和看起来像微小毛发的气流传感器。

"我们使用RoboBee作为基准机器人，因为它非常具有挑战性，但我们认为已经不受限制的其他机器人将从这一发展中受益匪浅，因为它们在动力方面存在同样的问题，"法拉利说。

一台已经受益的机器人是Harvard Ambulatory Microrobot，这是一款长17毫米，重量不到3克的四足机器。它可以以每秒0.44米的速度奔跑，但法拉利的实验室正在开发基于事件的算法，这将有助于灵活地补充机器人的速度。