一个受大脑启发的超低功耗混合芯片可以帮助手掌大小的机器人协作并从他们的经验中学习。结合新一代的低功率电机和传感器，新的专用集成电路(ASIC) - 以毫瓦功率运行 - 可以帮助智能群机器人运行数小时而不是几分钟。

为了节省功率，芯片使用混合数字模拟时域处理器，其中信号的脉冲宽度编码信息。神经网络IC适用于基于模型的编程和协作强化学习，可能为小型机器人提供更大的侦察，搜救和其他任务能力。

佐治亚理工学院的研究人员在2019年IEEE国际固态电路会议(ISSCC)上展示了由独特的ASIC驱动的机器人汽车。该研究由国防高级研究计划局(DARPA)和半导体研究公司(SRC)通过脑启发计算能力自主智能中心(CBRIC)赞助。

佐治亚理工学院电气与计算机工程学院副教授Arijit Raychowdhury表示：“我们正在努力为这些非常小的机器人提供智能，以便他们能够了解自己的环境，并在没有基础设施的情况下自主移动。”“为了实现这一目标，我们希望将低功耗电路概念引入这些非常小的设备，以便他们自己做出决策。对非常小但功能强大的机器人的需求很大，而这些机器人不需要基础设施。”

Raychowdhury和研究生Ningyuan Cao，Muya Chang和Anupam Golder展示的汽车穿过橡胶垫覆盖的竞技场，周围是纸板墙。当他们搜索目标时，机器人必须避开交通锥和彼此，在环境中学习并不断地相互通信。

汽车使用惯性和超声波传感器来确定它们的位置并检测它们周围的物体。来自传感器的信息传递到混合ASIC，后者充当车辆的“大脑”。然后说明指向Raspberry Pi控制器，该控制器向电动机发送指令。

在手掌大小的机器人中，三个主要系统消耗功率：用于驱动和操纵车轮的电机和控制器，处理器和传感系统。在Raychowdhury团队制造的汽车中，低功耗ASIC意味着电机消耗大部分功率。“我们已经能够将计算能力降低到预算主要受电机需求支配的水平，”他说。

该团队正在与使用微机电(MEMS)技术的电机合作者合作，该技术能够以比传统电机更低的功率运行。

“我们希望建立一个系统，其中传感功率，通信和计算机功率以及驱动处于大约相同的水平，大约数百毫瓦，”Raychowdhury说，他是安森美半导体的安森美半导体副教授。电气与计算机工程。“如果我们可以使用高效的电机和控制器来构建这些手掌大小的机器人，我们应该能够在几节AA电池上提供几个小时的运行时间。我们现在很清楚我们需要提供什么样的计算平台，但是我们仍然需要其他组件赶上来。“

在时域计算中，信息在两个不同的电压上传送，以脉冲的宽度编码。这为电路提供了模拟电路的能效优势和数字设备的稳健性。

“芯片的尺寸减少了一半，功耗是传统数字芯片需要的三分之一，”Raychowdhury说。“我们在逻辑和存储器设计中使用了多种技术，将功耗降低到毫瓦范围，同时满足目标性能。”

由于每个脉冲宽度代表不同的值，系统比数字或模拟设备慢，但Raychowdhury说速度对于小型机器人来说已经足够了。(毫瓦是万分之一瓦特)。

“对于这些控制系统，我们不需要工作在几千兆赫兹的电路，因为设备移动速度不快，”他说。“我们正在牺牲一点性能以获得极高的功率效率。即使计算器工作在10或100兆赫兹，这对我们的目标应用来说也足够了。”

65纳米CMOS芯片适用于适合机器人的两种学习方式。该系统可以编程为遵循基于模型的算法，并且可以使用强化系统从其环境中学习，该系统可以随着时间的推移提供更好和更好的性能 - 就像通过碰撞事物学会走路的孩子一样。

Raychowdhury说：“你在神经网络中使用一组预定的权重启动系统，这样机器人就可以从一个好的地方开始，不会立即崩溃或提供错误的信息。”“当你在一个新的位置部署它时，环境将有一些它将识别的结构，一些系统将不得不学习。系统将自己做出决定，它将衡量每个决定的有效性。优化它的动作。“

机器人之间的通信允许他们协作以寻找目标。

“在协作环境中，机器人不仅需要了解它在做什么，还要了解同一组中的其他人在做什么，”他说。“他们将致力于最大化团体的总奖励，而不是个人的奖励。”

随着他们的ISSCC演示提供概念验证，该团队正在继续优化设计，并正在开发片上系统以集成计算和控制电路。

“我们希望在这些小型机器人中实现越来越多的功能，”Raychowdhury补充道。“我们已经展示了什么是可能的，而我们所做的事情现在需要通过其他创新来加强。”

该项目由半导体研究公司在JUMP CBRIC任务ID 2777.006的授权下提供支持。