2 月 14 日消息，2 月 10 日，北京航空航天大學研究團隊在《自然-通訊》發表研究稱，其開發的視覺系統在運動處理速度上較現有主流光流技術快四倍，有望顯著提升自動駕駛車輛、工業機器人和手術機器人等系統的反應速度。
該成果源自神經形態工程。不同于傳統芯片將存儲與運算分開，神經形態硬件仿照大腦結構將二者融合，從而提高運算效率并降低能耗。長期以來，這一方向被視為彌合機器與人類感知差距的重要路徑。
據外媒 TechSpot 報道，團隊負責人高碩（音譯）從大腦的外側膝狀體獲得靈感。外側膝狀體位于視網膜與視覺皮層之間，既負責傳遞信息，也負責篩選信號。由于能夠對時間與空間變化高度敏感，人類視覺系統可優先處理快速變化的對象。研究團隊嘗試將這種選擇性注意機制在芯片中實現。
傳統機器人視覺依賴攝像頭拍攝連續靜態幀，并通過光流算法追蹤像素亮度變化來判斷運動，但該方法處理一幀圖像可能耗時超過 0.5 秒。對于高速行駛的自動駕駛車輛而言，這種延遲意味著在感知空窗期內，車輛就可能前進數米。
研究人員開發的神經形態模塊可直接檢測光強隨時間變化的區域，僅對發生變化的部分分配算力，實現實時運動識別。
在模擬駕駛和機器人操作測試中，該系統將延遲減少約 75%，并在復雜運動場景下將追蹤精度提升一倍。
該系統仍依賴傳統光流算法進行最終圖像解析，且在多重運動交錯場景中表現有限，不過整體性能已明顯優于傳統方案，顯示未來機器視覺響應速度可能接近甚至超過人類。
▲ a. 示例應用場景。b. 所提出的神經形態運動提取硬件流水線與傳統光流流水線的并排視圖。c. 兩種方法的處理時間和準確性比較。
熟悉該研究的專家認為，這項技術有望擴展機器人安全運行的環境范圍，從道路到家庭場景。在家庭中，機器人需識別手勢與細微表情，更快的視覺反饋將使人機互動更加自然。
下一階段挑戰在于擴大神經形態硬件規模，并在保持速度與精度的同時整合進現有 AI 系統。如果順利推進，受生物啟發的視覺架構可能改變機器人理解動態世界的方式與速度。
