在现实世界中运行的机器人开始发现自己受到可用的计算能力的限制。
当然，计算机正在变得越来越快，效率越来越高，但是它们却无法跟上机器人系统的潜力，因为机器人系统可以访问更好的传感器和更多数据，从而使决策变得更加复杂。
一种相对较新的计算设备，称为忆阻器，可以通过降低复杂性，降低成本和提高速度来帮助机器人突破这一障碍中国机械网okmao.com。
在今天发表在《科学机器人》上的一篇论文中，来自洛杉矶南加州大学和纽约罗马空军研究实验室的一组研究人员演示了一个简单的自平衡机器人，该机器人使用忆阻器来形成高效的模拟控制。系统受到人脑功能结构的启发。
首先，我们应该回顾忆阻器到底是什么。顾名思义，这是一种基于电阻的内存。也就是说，可以对忆阻器的电阻进行编程，并且即使在断电之后，忆阻器也会记住该电阻（该 电阻取决于施加在忆阻器两个端子上的电压的大小以及施加电压的时间长度） 。
忆阻器可能是RAM和闪存之间的理想混合体，提供高速，高密度，非易失性存储。所以这很酷，但是就机器人控制系统而言，我们最感兴趣的是忆阻器存储电阻，使之成为模拟设备，而不是数字设备。
通过在陀螺仪和加速度计输入的模拟电路中增加忆阻器，研究人员创建了一个完全模拟的卡尔曼滤波器，该滤波器与第二个充当PD控制器的忆阻器耦合。
如今，“模拟”一词听起来像是一件坏事，但是机器人被困在一个模拟世界中，它们与世界的任何物理交互（通过传感器介导）本质上都是模拟的。
面临的挑战是，模拟信号通常会“杂乱无章”（充满噪声和非线性），因此，现在通常的方法是将其转换为数字信号，然后进行处理以获取有用的信息。很好，但是也不是特别快速或有效。忆阻器之所以出现，是因为它们本质上是模拟的，除了存储数据外，它们还可以充当小型的模拟计算机，这非常疯狂。
通过在陀螺仪和加速度计的输入的模拟电路中添加忆阻器，由USC电气工程副教授Wei Wu领导的研究人员创建了一个完全模拟且完全物理的卡尔曼滤波器，以消除传感器信号中的噪声。
此外，他们使用了第二个忆阻器，可用于将该传感器数据转换为比例微分（PD）控制器。
接下来，他们将这两个组件放在一起以构建一个模拟系统，该系统可以完成使倒立摆机器人保持直立状态所需的大量工作，而这些工作比传统系统要有效得多。性能上的差异显而易见：
您在底部的传统控制型机器人中看到的抖动来自动态系统的非线性，动态变化的速度比车载控制器可以跟上的速度快。忆阻器大大减少了周期时间，因此机器人可以更加平稳地平衡。具体来说，周期时间从3,034微秒减少到仅6微秒。
当然，这里还有更多的活动，例如电动机驱动器和与之对话的数字计算机，因此，该机器人实际上是一个混合系统。但猜猜怎么了？正如研究人员所指出的，我们也是如此！
人脑由小脑，小脑和脑干组成。小脑是大脑的主要部分，负责视觉，听觉和思维，而小脑在运动控制中起着重要作用。
通过大脑和小脑的这种协作，人脑可以以极低的功耗同时执行多项任务。受此启发，我们开发了一种混合模数计算平台，其中数字组件运行高级算法，而模拟组件负责传感器融合和运动控制。
通过将大量计算卸载到忆阻器上，机器人的更高大脑功能将拥有更多的呼吸空间。
总体而言，您可以减少功耗，空间和成本，同时可以显着提高性能。由于忆阻器的进步和可用性，这种情况直到最近才成为可能，研究人员期望基于忆阻器的混合计算将很快能够“以更高的自由度提高移动机器人系统的鲁棒性和性能”。