导读:科学家开发出仿生无人驾驶防撞探测器来源于蝗虫的智慧
自古以来，蝗灾就对我国的农业造成了巨大的影响。今年的蝗灾尤其严重，蝗群飞过，寸草不生。大规模的蝗群更是遮天蔽日，恰有一种“黑云压城城欲摧”的气势。让人费解的是，虫群中蝗虫个体数量极多，飞行速度快，却没有“交通事故”的发生，真的是给咱早晚高峰时期拥堵的交通打了个结实的巴掌。
研究表明，蝗虫体内存在着一种叫做小叶大运动探测器（lobulagiant movement detector， LGMD）的神经元，这个单神经元细胞能够探测到接近的目标，并对视觉刺激执行非线性的数学运算，以*小的能量触发逃逸反应，从而防止了数百万个体的蝗虫群在高速移动过程中碰撞事件的发生。
随着机器人在安全性、便利性和自动化程度的提高，其在交通、制造以及医疗外科等领域的应用显著增长。尤其是在自动驾驶领域，面对周围车辆位置、障碍物信息与实时路况，碰撞监测显得至关重要。目前基于图像处理算法的碰撞躲避模型已经能够使用大规模的集成电路实现，然而能源消耗极大。令人震惊的是，蝗虫、苍蝇以及鸽子等动物体内的碰撞监测神经元却能够让它们在几毫秒内以极低的能量计算出复杂的碰撞动力学，从而安然逃生。考虑到它们极为有限的脑资源，不得不说是一个奇迹。
鉴于此，美国宾州州立大学的SaptarshiDas课题组巧妙的将基于单层MoS2的光探测器件与浮栅晶体管型存储器件垂直堆叠，创建了一个极低功耗的动态、非易失且可重构的碰撞躲避监测系统来模拟蝗虫体内的LGMD神经元。该系统能够及时的探测即将发生的碰撞，并以纳焦耳级别的能量消耗触发逃逸反应。该研究以题为“Alow-power biomimetic collision detector d on an in-memory molybdenumdisulfide photodetector”的论文发表在*一期的《Nature Electronics》上。
【碰撞躲避的神经算法】
蝗虫体内的LGMD神经元是一种而复杂的神经元，采用了分布式的计算架构来协助处理视觉信息（图1a），复眼中蜂窝状的光感受器将视觉刺激转换为电脉冲，经过薄层，髓质和小叶，传送到LGMD神经元的树突状扇出区。红色区域的树突分支接收前馈抑制，蓝色区域的接收前馈激发和侧抑制。研究表明，LGMD神经元对接近物体的角大小和角速度进行乘法运算，并通过下列方程确定放电率（firingrate）
方程中t为时间，θTH是与物种相关的参数，决定了LGMD神经元的发射频率到达峰值时接近物体的角度大小（图1b）。根据方程，图1c-e展示了LGMD神经元对接近物体的兴奋性反应、抑制性反应和放电率在时间维度上的演变。在即将碰撞时，放电率达到峰值，并传递给运动神经元，触发逃逸反应。
图1f为借鉴于LGMD神经元的碰撞监测器件，由兴奋性的光探测器件与抑制性的存储器件相集成，在仅存在视觉刺激时，器件表现出兴奋性反应（图1g），仅存在编程刺激时，器件表现出抑制性反应（图1h），当外部的视觉刺激和内部的编程刺激同时出现时，表现出类似于LGMD神经元的非单挑逃逸反应（图1i）。
图1.蝗虫体内的碰撞躲避系统与人造模拟器件
【单层MoS2光探测器的性能表征】
作者采用了蓝色的LED光作为光源，测试了光探测器的反应（图2a），同时采用了周期性的具有不同振幅的LED信号来测试光探测器件对弱光的敏感性，并对其信噪比以及能耗进行了测试。结果表明，信噪比随着光源信号强度的降低而降低（图2b），但是能耗却可以在保持*信号探测的条件下呈指数型减小（图2c）。图2d和e展示了汽车驾驶过程中两种典型的碰撞场景：与车相撞和与墙相撞。在碰撞过程中，光探测器件接收到的视觉刺激持续增加（图2f）。此外，作者还通过调节LED光源电压上升速率来模拟物体接近的速度。速率越快，光电流的上升越快（图2g-j）。实验结果证明基于单层MoS2的光探测器件能够对接近的物体做出兴奋性的反应，这是设计碰撞躲避系统的关键。
图2.单层MoS2光探测器件对接近物体的响应
【光探测器-浮栅晶体管集成电路的动态阈值电压工程】
要模拟LGMD神经元的逃逸反应，还需要浮栅晶体管器件的协助。图3a和b显示了该集成电路在不同幅值的编程刺激下的转移曲线，幅值越大，阈值电压越高。这一现象主要源于栅极偏压对p++-Si/TiN/Pt界面形成的肖特基势垒的影响（图3c）。作者还对该集成进行了不同幅值的编程刺激，并读取其输出电流（图3d-g）。结果表明，电流随时间呈单调降低趋势，证实该施加于栅极的编程刺激可以模拟抑制性反应。此外，这种由编程刺激引入的抑制性反应能耗极低（500 飞焦耳，Vp=7.5 V），是碰撞躲避系统能够*避免碰撞的关键。
图3.碰撞躲避系统的抑制性响应
【重现LGMD神经元的逃逸反应】
通过结合光探测器的兴奋性反应和浮栅晶体管器件的抑制性反应，作者*重现了LGMD神经元的逃逸反应。在编程刺激背景下（抑制性反应）集成器件对不同视觉刺激的电流输出情况如图4a所示。输出电流达到*小值的拐点（时间）由施加在LED光源上的电压上升速率（目标接近的速度）决定。作者还测试了集成器件对物体不同接近速度所需的碰撞时间（图4b）和避免碰撞的能耗(图4c)进行了表征，结果表明，该集成器件能监测到即将发生的碰撞，并以极低的能量（皮焦耳至纳焦耳级别）触发逃逸反应。
图4.重现LGMD神经元的逃逸反应
【仿生碰撞躲避探测器模型】
为了加强实验结果与仿生碰撞躲避探测器的兴奋性光响应、抑制性编程响应和非单调的逃逸响应的物理根源之间的相关性，作者设计了一个虚拟源模型对实验结果进行拟合与模拟。结果如图5所示（a-f为实验数据拟合，g-j为模拟数据）。值得关注的是，尽管实验数据与模拟数据高度拟合，该仿生碰撞躲避探测器件相较于LGMD神经元仍存在不足，如
1. 器件仅使用了视觉刺激的一个特征，即物体接近的速度。
2. 单个器件仅能监测到即将发生的碰撞，但不能确定碰撞物体接近的方向。
3. 如果视觉刺激不足以抵消编程刺激，该器件可能无法监测到弱光强且移动缓慢的物体的接近。
图5.仿生碰撞躲避系统的理论模型与实验数据拟合
结：作者通过将基于单层MoS2的光探测器件与浮栅晶体管型存储器件相集成，*重现了蝗虫体内LGMD神经元的生理功能。这种内存内（in-memory）特定任务计算与感知方法将大大推动无人驾驶领域低成本低能源的碰撞躲避系统的发展。
京公网安备 11010802023672号
网友推荐新闻：