为机器人定制“大脑”

当代机器人可以迅速行动。萨布丽娜·纽曼(Sabrina Neuman)说:“发动机速度很快，而且很强大。”然而，在复杂的情况下，比如与人互动，机器人往往不能快速移动。她补充说:“问题在于机器人的大脑在做什么。”

最近刚从麻省理工学院计算机科学和人工智能实验室(CSAIL)获得博士学位的纽曼说，感知刺激和计算反应需要“大量的计算”，这限制了反应时间。纽曼找到了一种方法来解决机器人“思想”和身体之间的不匹配。这种方法被称为机器人形态计算(robomorphic computing)，它利用机器人的物理布局和预期应用生成定制的计算机芯片，使机器人的响应时间最小化。

这一进步可以为各种各样的机器人应用，可能包括传染病患者的一线医疗护理。诺伊曼说:“如果我们能有机器人来帮助降低病人和医院工作人员的风险，那就太棒了。”

纽曼将在今年4月的“编程语言和操作系统的架构支持”国际会议上介绍这项研究。麻省理工学院的合著者包括研究生Thomas Bourgeat和电气工程埃德温·西布里·韦伯斯特教授、纽曼的博士导师Srini Devadas。其他合著者包括布莱恩·普兰彻、蒂埃里·坦贝和维贾伊·贾纳帕·雷迪，他们都来自哈佛大学。纽曼现在是哈佛大学工程与应用科学学院的博士后NSF计算创新研究员。

根据纽曼的说法，机器人的操作主要有三个步骤。第一个是感知，包括收集数据使用传感器或相机。第二种是地图和定位:“基于他们所看到的，他们必须构建一个周围世界的地图，然后在地图中定位自己，”纽曼说。第三步是运动计划和控制——换句话说，制定行动计划。

这些步骤需要时间和大量的计算能力。Plancher说:“对于部署到现场并在人类周围的动态环境中安全操作的机器人来说，它们需要能够非常快速地思考和反应。”“当前算法在当前CPU硬件上运行不够快。”

纽曼补充说，研究人员一直在研究更好的算法，但她认为软件单靠改进并不能解决问题。“相对较新的想法是，你可能还会探索更好的硬件。”这意味着在硬件加速的帮助下，超越了由机器人大脑组成的标准CPU处理芯片。

硬件加速指的是使用专门的硬件单元更有效地执行某些计算任务。一个常用的硬件加速器是图形处理单元(GPU)，一种专门用于并行处理的芯片。这些设备对图像处理很方便，因为它们的并行结构允许它们同时处理数千个像素。Neuman说道:“GPU并不是在所有方面都是最好的，但它在其开发目标上却是最好的。“对于特定的应用程序，您可以获得更高的性能。”大多数机器人都设计了一套预期的应用程序，因此可以受益于硬件加速。这就是纽曼的团队开发机器人形态计算的原因。

该系统创建一个定制的硬件设计，以最好地满足特定机器人的计算需求。用户输入机器人的参数，比如它的肢体布局和各种关节如何移动。纽曼的系统将这些物理性质转化为数学矩阵。这些矩阵是“稀疏的”，这意味着它们包含许多零值，这些零值大致对应于机器人的特定解剖结构中不可能出现的动作。(同样地，你的手臂的运动也受到了限制，因为它只能在特定的关节处弯曲——它不是一根无限柔韧性的意大利面条。)

然后系统设计一个硬件架构，专门用于只对矩阵中的非零值进行计算。由此产生的芯片设计是为了最大限度地提高机器人的计算效率。这种定制在测试中得到了回报。

使用这种方法为特定应用程序设计的硬件架构优于现成的CPU和GPU单元。虽然纽曼的团队没有从零开始制造专门的芯片，但他们根据系统的建议编写了一个可定制的现场可编程门阵列(FPGA)芯片。尽管运行速度较慢，但该芯片的运行速度比CPU快8倍，比GPU快86倍。

“我对这些结果感到兴奋，”纽曼说。“尽管我们被较低的时钟速度拖累了，但我们通过提高效率来弥补。”

普兰彻看到了机器人仿形计算的广泛潜力。他说:“理想情况下，我们最终可以为每个机器人制造一个定制的运动规划芯片，让它们快速地计算出安全有效的运动。”“如果20年后每个机器人都有一些定制的计算机芯片为其提供动力，我不会感到惊讶，而这可能就是其中之一。”诺依曼补充说，机器人形态计算可能允许机器人在一系列环境中减轻人类的风险，比如照顾covid-19患者或操作重物。

波士顿动力公司的机器人工程师Robin Deits说:“这项工作令人兴奋，因为它展示了如何利用专门的电路设计来加速机器人控制的核心部件。”Deits没有参与这项研究。“软件性能对机器人技术至关重要，因为现实世界从来不会等待机器人完成思考。”他补充说，纽曼的进步可以让机器人更快地思考，“解锁以前在计算上过于困难的令人兴奋的行为。”

诺依曼下一步计划将机器人形态计算的整个系统自动化。用户只需拖放机器人的参数，“另一端就会出现硬件描述。”我认为这将推动它超越极限，使它真正有用。”