为了促进机器人模仿人类智能的研究,本研究开发了一种基于无人驾驶自行车的混合可扩展智能机器人平台。该平台主要包括视觉、听觉、运动和决策等模块,能够同时处理多模态任务。该平台的开发面临着三个主要挑战。首先,多模态数据流的不断变化涉及到时间和空间上的多种信息通道,对于收集和处理来自外部环境的不同类型信息具有挑战性。其次,单个模块的集成需要高级计划器,如何分配它们来完成系统级行为是一个挑战。第三,智能机器人需要具有网络规模、数量和多样性的可扩展性,但由于硬件限制,实现这种可伸缩性在计算系统上具有一定难度。
为了克服上述挑战,本研究提出了三种设计原则来开发机器人平台,灵感来自人脑(图1)。首先,受大脑皮层功能专业化和丰富的编码方案启发,开发了一种混合架构,可以实现灵活的网络间协作,并有效地整合不同的编码方案。其次,为了适应动态环境,开发了一个基于混合神经状态机(HNSM)的高级决策模块,灵活地集成不同的模块,提供监督和调度不同信息流的能力,以及在实施过程中处理不断增加的任务的扩展能力。第三,受皮层柱组织的新皮层区域启发,开发了一个基于跨范式神经形态芯片“Tianjic”的可扩展计算系统,以及用于硬件和软件协同设计的定制工具链。该系统有可能支持大脑启发系统的进化和生长,类似于人类大脑的进化和生长。
# 结论与启发展望
本研究报告了一种混合和可扩展的大脑启发机器人平台,能够同时完成多个复杂任务,包括多模态感知、高层决策和自主运动。该平台的设计受到了人类大脑的启发,采用了混合架构来集成不同编码方案,高级决策模块来实现网络协作,以及可扩展的计算系统来支持进化。在基于该平台的无人驾驶自行车的开发中,该自行车成功完成了目标跟踪、避障、语音命令识别、平衡控制和决策等任务。
总之,该系统可作为广泛机器人研究的通用平台,涵盖感知、认知、自动控制、语言理解、决策、学习和适应等方面的基础理论和应用。此外,混合和可扩展的平台可通过迭代开发和不断改进不断完善。通过研究对外界环境变化的适应,可以探索人工通用智能面临的一些关键挑战,从而推动通用人工智能的发展。