最近，美国麻省理工学院的科学家设计了一个新的系统设计了硬件架构，加快了机器人的反应时间。

当代机器人可以快速移动。"电机速度快，而且功能强大。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。挂断的是机器人的脑袋里在想什么。

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 "一船的计算量"，这限制了反应时间。他们已经找到了一种方法来对抗机器人的 "头脑 "和身体之间的这种不匹配。这种方法被称为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。

Neuman说：“这一进展可以促进各种机器人应用，包括，有可能是传染病人的前线医疗护理。如果我们能够拥有能够帮助降低患者和医院工作人员风险的机器人，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国际会议 "上发表研究成果。麻省理工学院的共同作者包括研究生Thomas Bourgeat和Srini Devadas，Edwin Sibley Webster电子工程教授和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计算创新研究员。

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。"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" Neuman说。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：

"要想将机器人部署到野外，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。当前的算法无法在当前的CPU硬件上快速运行。"

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。"相对较新的是，你也可以探索更好的硬件的想法。" 这意味着超越由机器人大脑组成的标准版CPU处理芯片--在硬件加速的帮助下。

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。"GPU并不是什么都做得最好，但它在它的构建方面是最好的，"Neuman说。"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，因此可以从硬件加速中受益。这就是为什么Neuman的团队开发了robomorphic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定机器人特殊解剖结构下不可能的动作。类似的，你的手臂的运动是有限的，因为它只能在某些关节处弯曲--它不是一个无限柔韧的意大利面条）。

然后，该系统设计了一个专门的硬件架构，只对矩阵中的非零值运行计算。因此，所产生的芯片设计是量身定做的，以最大限度地提高机器人的计算需求的效率。而这种定制化设计在测试中得到了回报。

使用这种方法为特定应用设计的硬件架构，其性能优于现成的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门阵列（FPGA）芯片进行了编程。尽管以较慢的时钟速率运行，但该芯片的性能比CPU快8倍，比GPU快86倍。

"我对这些结果感到很兴奋，"Neuman说："尽管我们受制于较低的时钟速度，但我们只是通过提高效率来弥补。"