给机器人定制一个大脑？MIT给不同机器人设计芯片以减少响应时间

来源：大数据文摘

现有的机器人可以快速移动。Sabrina Neuman说：“（机器人）发动机速度快，并且动力强劲。”

然而在复杂的情况下，比如与人的互动，机器人的移动速度往往不快。她补充道: “这种速度上的差异是因为我们还不明白机器人的脑袋里在想什么。”

最近从麻省理工学院计算机科学与人工智能实验室（CSAIL）博士毕业的Neuman说，感知刺激和计算反应需要 "一条船那么多的计算量"，这限制了反应时间。

但是，Neuman已经找到了一种可以对抗机器人的 "头脑 "和身体之间速度不匹配的方法。这种方法被称为机器人形态（robomorphic）计算，利用机器人的物理布局和预期应用来生成一个定制的计算机芯片，以最大限度地减少机器人的响应时间。

这一进展可以推进各项机器人应用，比如说，针对潜在传染病患者的前线医疗护理。Neuman 说：“如果我们的机器人可以降低患者和医护人员的染病风险，那就太棒了。”

Neuman将在今年4月的编程语言和操作系统的架构支持（International Conference on Architectural Support for Programming Languages and Operating Systems）国际会议上发表研究成果。

麻省理工学院的合著者包括研究生Thomas Bourgeat和Edwin Sibley Webster电子工程教授Srini Devadas，以及Neuman的博士生导师。其他合著者包括哈佛大学的Brian Plancher、Thierry Tambe和Vijay Janapa Reddi。Neuman现在是哈佛大学工程与应用科学学院的博士后NSF创新计算研究员。

据Neuman介绍，机器人的操作主要有三个步骤。第一个是感知，包括使用传感器或相机收集数据。第二个是测绘和定位。Neuman说：“根据它们所看到的东西，它们必须构建一个周围世界的地图，然后在这个地图中定位自己。”第三步是运动规划和控制——换句话说，就是规划行动路线。

这些步骤可能需要时间和大量的计算能力。Plancher说：“要想给机器人部署野外任务，并在人类周围的动态环境中安全运行，它们需要能够非常快速地思考和反应。而当前的算法无法在现有的CPU硬件上运行得足够快。”

Neuman补充说，研究人员一直在研究更好的算法，但她认为仅靠软件改进并不是答案。“目前比较新的想法是去寻找更好的硬件。”这意味着，在硬件加速的帮助下，我们可以取代现有的机器人大脑拥有的标准版CPU处理芯片。

硬件加速是指使用专门的硬件单元来更高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），这是一种专门用于并行处理的芯片。这些设备对图形处理很方便，因为它们的并行结构允许它们同时处理成千上万的像素。Neuman说：“GPU并不是什么都做得最好，但它在它的构建方面是最好的。你可以为特定的应用获得更高的性能。" 大多数机器人的设计都有一套预定的应用，因此硬件加速可以提高机器人性能。这就是为什么Neuman的团队开发了机器人形态计算。

该系统创建了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个关节的运动方式。Neuman的系统将这些物理属性转化为数学矩阵。

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给机器人做不到的动作。这就像你的手臂的运动是有限的一样。手臂只能在某些关节处弯曲——它不是一个柔韧的意大利面条）。

然后，该系统设计了一个专门的硬件架构来计算矩阵中的非零值数据。因此，这个芯片是量身定做的，可以最大限度地提高机器人的计算效率。这种定制化设计在测试中被证明是可行的。

使用这种方法为特定应用设计的硬件架构的性能表现优于现有的CPU和GPU单元。虽然Neuman的团队并没有从头开始制造专门的芯片，但他们根据系统的建议，对一个可定制的现场可编程逻辑门阵列（FPGA）芯片进行了编程。尽管以较慢的时钟频率运行，但该芯片的性能比CPU快8倍，比GPU快86倍。

Neuman说：“我对这些结果感到很兴奋，尽管我们受制于较低的时钟速度，但我们可以通过提高效率来弥补这一点。”

Plancher看到了机器人计算的广泛潜力。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，让它们快速计算安全和高效的运动。如果20年后每个机器人都有一些定制计算机芯片为其提供动力，我不会感到惊讶，而这就可能是其中之一。” Neuman补充说，机器人形态计算可能会让机器人在一系列环境中减轻人类面对的风险，例如照顾covid-19病人或操纵重物。

波士顿动力公司的机器人工程师Robin Deits说：“这项工作令人振奋，因为它显示了如何使用专门的电路设计来加速机器人控制的核心组件。”他没有参与这项研究。“软件性能对于机器人来说至关重要，因为现实世界永远不会等待机器人完成思考。“ 他补充说，Neuman的研究成果可以让机器人的思考速度更快，“可以解锁以前由于计算困难无法实现的令人兴奋的行为。”

Neuman接下来计划将整个机器人形态计算系统自动化。用户只需简单地拖放机器人的参数， “从另一端出来就是硬件描述。我认为这才是将它推倒重来，让它真正有用的东西。”

这项研究得到了美国国家科学基金会、计算研究局、CI Fellows项目和国防高级研究计划局的资助。