該系統具有支持AI的傳感器節點，以處理并響應由物理力施加的壓力引起的“疼痛”。該系統還允許機器人在輕微“受傷”時檢測并修復自身的損壞，而無需人工干預。

當前，機器人使用傳感器網絡來生成有關其周圍環境的信息。例如，災難救援機器人使用攝像頭和麥克風傳感器在碎片下找到幸存者，然后在其手臂上的觸摸傳感器的引導下將人員拉出。在裝配線上工作的工廠機器人使用視覺將其手臂引導到正確的位置，并觸摸傳感器來確定拾取后物體是否在滑移。

如今的傳感器通常不處理信息，而是將其發送到發生學習的單個大型，強大的中央處理單元。結果，現有的機器人通常布線繁瑣，導致響應時間延遲。它們還容易受到需要維護和修理的損壞，這可能是漫長且昂貴的。

新的NTU方法將AI嵌入到傳感器節點的網絡中，該傳感器節點連接到多個較小的，功能較弱的處理單元，就像分布在機器人皮膚上的“小腦子”一樣。科學家們說，這意味著學習是在本地進行的，并且機器人的布線要求和響應時間比傳統機器人減少了五到十倍。

將系統與一種可自我修復的離子凝膠材料結合使用，意味著機器人在受到損壞時可以在無需人工干預的情況下恢復其機械功能。

這項研究的首席作者，電氣與電子工程學院的副教授Arindam Basu說：“對于機器人與人類合作的一天，一個關注的問題是如何確保機器人能夠與我們安全地互動。因此，世界各地的科學家一直在尋找使機器人具有感知能力的方法，例如能夠“感覺”疼痛，做出反應并承受惡劣的工作條件，但是，將多種傳感器組合在一起的復雜性必需的，這種系統的脆弱性是廣泛采用的主要障礙。”

神經形態計算專家Basu副教授補充說：“我們的工作證明了機器人系統的可行性，該機器人系統能夠以最少的布線和電路有效地處理信息。通過減少所需的電子組件數量，我們的系統應該變得負擔得起且可擴展。這將有助于加速在市場上采用新一代機器人。”

責任編輯：lq