面向机械臂的仿生平滑神经形态控制

除提供精确运动外，实现平滑运动轨迹一直是旨在复现自然人体运动的机械臂机器人控制理论的长期目标。从生物智能体汲取灵感——其到达控制网络轻松产生平滑而精确的运动——可简化机械臂的这些控制目标。神经形态处理器模拟大脑的计算原理，是逼近生物控制器的精度与平滑性、同时最大化其能效与鲁棒性的理想平台。然而，传统控制方法与神经形态硬件的不兼容限制了其现有适配的计算效率与可解释性。相比之下，支撑平滑精确到达运动的神经元子网络高效、精简且天然兼容神经形态硬件。本工作中，我们在神经形态硬件上以生物学逼真的脉冲神经网络模拟这些网络用于运动控制。所提控制器结合了实验确定的短期突触可塑性与调节感觉反馈增益的专用神经元，以在宽广运动范围内提供平滑而精确的关节控制。同时，它保留了其生物对应物的极简复杂性，并可直接部署于英特尔的神经形态处理器。以该关节控制器为构件并受人体手臂关节协调启发，我们将此方法扩展至控制真实世界机械臂。所得运动轨迹及平滑钟形速度剖面与人类相似，验证了控制器的生物学相关性。值得注意的是，该方法在取得最先进控制性能的同时，将运动急动度降低 19% 以改善运动平滑性。