工程師將微型機器人編程為移動像昆蟲一樣思考

雖然工程師已經成功地構建了微小的昆蟲般的機器人，但是對它們進行編程以便像真正的昆蟲一樣自主地行動，這仍然是技術挑戰。一群康奈爾大學的工程師一直在試驗一種模仿昆蟲大腦運作方式的新型編程，很快人們就會想知道墻上的那只蒼蠅是否真的是一只蒼蠅。

機器人感知一陣風所需的計算機處理能力，使用嵌在其機翼上的微小的頭發狀金屬探針，相應地調整其飛行，并計劃其路徑，因為它試圖降落在一朵搖曳的花上需要它在其背面攜帶臺式電腦。Silvia Ferrari是機械和航空航天工程教授，智能系統和控制實驗室主任，他認為神經形態計算機芯片的出現是一種縮小機器人有效載荷的方法。

與處理0和1組合作為二進制代碼的傳統芯片不同，神經形態芯片處理復雜組合中的電流尖峰，類似于神經元在大腦內部發射的方式。法拉利的實驗室正在開發一種新的“基于事件的”傳感和控制算法，模擬神經活動，可以在神經形態芯片上實現。由于芯片所需的功率遠遠低于傳統處理器，因此工程師可以將更多計算量計入相同的負載。

法拉利實驗室與哈佛微機器人實驗室合作，該實驗室開發了一種80毫克飛行的RoboBee，配備了許多視覺，光流和運動傳感器。雖然機器人目前仍然與電源相連，但哈佛大學的研究人員正致力于通過開發新的電源來消除限制。康奈爾算法將幫助RoboBee更加自主，適應復雜的環境，而不會顯著增加其重量。

“受到陣風或擺動門的撞擊會導致這些小型機器人失去控制。我們正在開發傳感器和算法，以使RoboBee避免墜機，或者撞擊，生存并仍然飛行，”法拉利說。“你不能真正依賴機器人的先前建模來做到這一點，所以我們希望開發能夠適應任何情況的學習控制器。”

為了加速基于事件的算法的開發，法拉利實驗室的博士生Taylor Clawson創建了一個虛擬模擬器。基于物理的模擬器模擬RoboBee及其在每次機翼行程中面臨的瞬時氣動力。因此，該模型可以準確預測RoboBee在復雜環境中飛行時的運動。

“模擬用于測試算法和設計它們，”Clawson說道，他幫助成功開發了一個機器人自動飛行控制器，使用的是生物學啟發的編程，作為神經網絡。“這個網絡能夠實時學習，以解決制造過程中引入的機器人的不規則性，這使得機器人更難以控制。”

除了更大的自主性和彈性之外，法拉利還說她的實驗室計劃幫助RoboBee配備新的微型設備，如相機，用于觸覺反饋的擴展天線，機器人腳上的接觸傳感器和看起來像微小毛發的氣流傳感器。

“我們使用RoboBee作為基準機器人，因為它非常具有挑戰性，但我們認為已經不受限制的其他機器人將從這一發展中受益匪淺，因為它們在功率方面存在同樣的問題，”法拉利說。

一臺已經受益的機器人是Harvard Ambulatory Microrobot，這是一款長17毫米，重量不到3克的四足機器。它可以以每秒0.44米的速度奔跑，但法拉利的實驗室正在開發基于事件的算法，這將有助于靈活地補充機器人的速度。

法拉利正在繼續使用海軍研究辦公室提供的四年100萬美元撥款。她還與許多大學的領先研究小組合作，制造神經形態芯片和傳感器。