我国科学家提出多脑区协同类脑控制架构

  　机器人精细操作是完成高精度任务的必要条件，作为主要反馈源的显微视觉具有窄视野、小景深、平面成像等特点，导致小空间内的观测状态不能直接反映操作空间位姿，这种“所见非所得”给复杂场景下的机器人精细操控提出了挑战。近日，来自中国科学院自动化研究所研究团队在《IEEE Transactions on Neural Networks and Learning Systems》类脑控制专刊上发表研究成果，提出了一种多脑区协同类脑控制框架，较好地解决了小空间、器件遮挡等复杂环境下的精细操控难题。

　　研究人员借鉴对应感知、规划和控制的不同脑区，分别提出模仿视觉皮层的感知模块、模仿小脑皮层的控制模块、模仿前额叶皮层的规划和预测模块等，并按照相应信息流传递将这些脑区模仿模块进行连接。模仿对应脑区特性，初级视觉利用卷积操作识别图像状态，高级视觉以全连接形式实现从（二维）图像空间到（三维）操作空间的位姿映射；小脑模块借鉴小脑皮层的独特结构实现稳定无超调的运动控制；前额叶模块以循环加前向的混合模式预测运动轨迹，以分块式兴奋-抑制的连接模式规划不同表征空间的运动。

　　研究表明，该方法能有效实现多种复杂小空间内的自主规划与控制，通过高精度的轨迹预测与快速的动作响应，能克服常规方法无法解决的器件遮挡时运动规划问题，从而拓宽了机器人精细操控的可控边界；这种类脑控制架构还具有较强的可解释性和灵活性，每个模块均可高精度地模拟对应脑区，将这些模块进行组合即可适应多种异构精细操控任务。