摘要目前，机器人皮肤中的感官信息处理依赖于一种集中式方法，该方法将（身体上的）信号传导与集中式计算和决策分开，需要从外围设备向中央处理器传输大量数据，但会增加布线，等待时间，容错性和鲁棒性。我们设想了 ...
|
摘要 目前，机器人皮肤中的感官信息处理依赖于一种集中式方法，该方法将（身体上的）信号传导与集中式计算和决策分开，需要从外围设备向中央处理器传输大量数据，但会增加布线，等待时间，容错性和鲁棒性。我们设想了一种分散的方法，其中将信息嵌入到传感节点中，使用独特的神经形态方法来提取机器人皮肤中的相关信息。在这里，我们专门解决疼痛感以及痛觉与触觉感官的关联，以触发传感机械臂中的逃逸反射。拟议的系统包括可自我修复的材料和忆阻器，作为实现神经形态伤害感受器，促进局部联想学习和沟通的使能技术。该演示系统将忆阻晶体管配置为门限和忆阻开关，具有内存边缘计算功能，具有最少的硬件电路和布线，并具有较强的容错性和鲁棒性。
图1、机器人传统集中式与分散式智能系统概念展示
图2、使用神经形态器件进行疼痛和触觉信号的关联学习
图3、受伤并自愈前后的突触性能对比 结论：本文报告了第一个三端人工伤害感受器（STAR），该感受器与人工突触和神经元完全整合。对于现有的人工伤害感受器的两端忆阻实现方案，其需要精确制造离子库和浅缺陷以确保良好的可循环性，我们的STARs在双电层界面上的离子迁移松弛效应的基础上无缝工作，从设备的角度看，基于薄膜晶体管的STAR，SWARM和SSN的配置可以使用最少的设备数量来仿真伤害感受器，突触和神经元，从而降低了电路和布线的复杂性。与CMOS实施相比，可以轻松，廉价地打印许多所需的器件，并支持弯曲和拉伸，从而为实现CMOS柔性神经形态机器人皮肤铺平了道路。此外，由于高阻态和低阻态之间的切换机制仅取决于半导体通道中载流子的积累和耗尽，因此STAR和SWARM都不需要形成步骤，也不需要进行顺应性电流控制来避免损坏，从而增强了它们的性能。可循环性并简化外围电路设计。此外，与传统的两端忆阻器相比，门控策略还允许访问大量状态。由于可以将忆阻器配置为既可以用作伤害感受器又可以用作突触，因此，与传统的需要特殊设计的扩散和漂移配置的双端忆阻器不同，这使我们能够轻松构建具有单核设备配置的平台。 DOI:10.1038/s41467-020-17870-6 |
让创业更简单