一种基于存内二硫化钼光电探测器的低功耗仿生碰撞探测器

随着机器人变得更安全、更便宜和越来越自动化，它们在交通、制造和医疗外科等领域的应用有了可观的增长。许多机器人的任务需要在复杂的地形上移动，而自动驾驶是发展的关键领域。因此，碰撞检测是该领域的一个重要方面，基于复杂数学算法的通用视觉系统提供了强大的解决方案。然而，他们的硬件实现是具有挑战性的，因为涉及的算法需要迭代的解决方案，使他们的计算广泛，因此能源和区域效率低。消除这一瓶颈的一种方法是构造紧凑的、针对特定任务的视觉硬件，将视觉信号处理集成到传感器及其相关电路中，从而减少传输带宽和随后的计算阶段。在新兴的物联网时代，这种智能传感器对于取代耗电的通用数字机器至关重要。

在机器人技术和自动驾驶汽车安全领域，准确检测潜在的碰撞并及时触发逃逸反应至关重要。蝗虫体内的小叶巨型运动探测器(Lobula giant movement detector ，LGMD)神经元可以探测到接近的目标，并在数百万蝗虫的蝗虫群中防止碰撞。这个单神经元细胞对视觉刺激执行非线性数学运算，以最小的能量消耗诱发逃逸反应。基于图像处理算法的避碰模型已经使用模拟的超大规模集成设计实现，但在能量消耗或大小方面，没有一个能像该神经元那样高效。在这里，我们报告了一种纳米级的碰撞检测器，它模拟了LGMD神经元的逃逸反应。该检测器包括堆叠在非易失性可编程浮栅存储器结构顶部的单层二硫化钼光电检测器。它只消耗少量的能量(纳焦耳范围内)，设备占用面积小(约5平方微米)。

Accurately detecting a potential collision and triggering a timely escape response is critical in the field of robotics and autonomous vehicle safety. The lobula giant movement detector (LGMD) neuron in locusts can detect an approaching object and prevent collisions within a swarm of millions of locusts. This single neuronal cell performs nonlinear mathematical operations on visual stimuli to elicit an escape response with minimal energy expenditure. Collision avoidance models based on image processing algorithms have been implemented using analogue very-large-scale-integration designs, but none is as efficient as this neuron in terms of energy consumption or size. Here we report a nanoscale collision detector that mimics the escape response of the LGMD neuron. The detector comprises a monolayer molybdenum disulfide photodetector stacked on top of a non-volatile and programmable floating-gate memory architecture. It consumes a small amount of energy (in the range of nanojoules) and has a small device footprint (~1 µm × 5 µm).