Neuromorfe motor drijft rollende robot aan, waardoor energieverbruik met 99,75% wordt verminderd

Bewegingsontwerp INSIDER

Een rollende robot volgt Xiaoqiu An, een PhD-student werktuigbouwkunde, geleid door een doelwit:een rood stuk karton op een stalen stok. (Afbeelding:Mingze Chen, Nanoengineering en Nanodevice Laboratory, Universiteit van Michigan)

Analoog computergebruik maakt een comeback met hardware die informatie op dezelfde locatie verwerkt en opslaat, vergelijkbaar met biologische neuronen. Een kleinere, lichtere en energiezuinigere computer, gedemonstreerd aan de Universiteit van Michigan, zou kunnen helpen gewicht en energie te besparen voor autonome drones en rovers, met gevolgen voor autonome voertuigen in bredere zin.

De autonome controller heeft een van de laagste gerapporteerde stroomvereisten, volgens het onderzoek gepubliceerd in Science Advances . Het werkt op slechts 12,5 microwatt – in de marge van een pacemaker. Tijdens hun tests kon een rollende robot die de controller gebruikte een doel achtervolgen dat zigzaggend door een gang liep met dezelfde snelheid en nauwkeurigheid als met een conventionele digitale controller. In een tweede proef, met een hefboomarm die zichzelf automatisch herpositioneerde, deed de nieuwe controller het net zo goed.

“Dit werk introduceert een baanbrekend nano-elektronisch apparaat dat is ontworpen voor hardwareplatforms die efficiënt kunnen rekenen met neurale netwerkarchitecturen”, zegt Xiaogan Liang, U-M hoogleraar werktuigbouwkunde en corresponderend auteur van het onderzoek.

De hoge efficiëntie en miniaturisatie zijn vooral belangrijk voor toepassingen zoals drones en ruimterovers, waarbij zowel gewicht als energie van groot belang zijn. Conventionele autonome voertuigen kunnen echter ook profiteren van de technologie. Volgens eerder onderzoek zou een miljard uur autonome voertuigrijtijd per jaar meer energie kunnen verbruiken dan de huidige datacenters wereldwijd bij elkaar.

Analoog computergebruik, vrijwel verlaten vanwege het lagere stroomverbruik en de hogere precisie van digitaal, lijkt misschien een onwaarschijnlijke held, maar een relatief nieuw circuitelement verandert het spel. De memristor, voorgesteld in 1971 en voor het eerst gedemonstreerd in 2008, slaat informatie op in zijn elektrische weerstand. Wanneer het wordt blootgesteld aan een spanning, vermindert het de hoeveelheid weerstand die het zal opleggen aan het volgende signaal. Sommige memristors kunnen eerdere signalen na verloop van tijd vergeten en terugkeren naar hun oorspronkelijke weerstand, een gedrag dat vergelijkbaar is met ontspanning in neuronen. Dit is het type dat Liangs team heeft gebouwd.

Een rollende robot volgt Xiaoqiu An, een PhD-student werktuigbouwkunde, geleid door een doelwit:een rood stuk karton op een stalen stok. De inzet toont de camerafeed van de robot. (Video:Mingze Chen, Nanoengineering en Nanodevice Laboratory, Universiteit van Michigan)

Omdat ze al veel op neurale netwerken lijken, kunnen memristornetwerken veel efficiënter functioneren als kunstmatige neurale netwerken dan conventionele, op transistors gebaseerde computers. Bovendien bespaart het analoog verwerken van sensoren en actuatoren die zelf analoog zijn, de energiekosten voor het omzetten van signalen tussen analoog en digitaal.

Het team bouwde hun memristorcircuits in de Lurie Nanofabrication Facility aan de U-M door een arm met een gouden punt, ongeveer 30 micron in diameter, over een siliciumchip te wrijven - alsof je een ballon over je haar wrijft, zodat deze met statische elektriciteit aan de muur blijft plakken. De elektrische ladingen zorgden er vervolgens voor dat het verdampte bismutselenide zich ophoopte langs acht kruisende lijnen van ongeveer 15 nanometer dik, gerangschikt als een boter-kaas-en-eierenbord. Vervolgens plaatsten ze aan de uiteinden van elke lijn elektroden van titanium en goud.

De nieuwe memristorcontroller (rechts) wordt vergeleken met een standaardcontroller (links) op een testbank voor dronecontrollers. De dronerotor moet de hefboomarm naar een bepaalde positie tillen nadat hij op de grond heeft gelegen en vervolgens die positie herstellen nadat de arm is geduwd. (Video:Mingze Chen, Xiaoqiu An en Nihal Sekhon, Nanoengineering en Nanodevice Laboratory, Universiteit van Michigan)

Ze injecteerden signalen via één elektrode en lazen ze uit op vijf elektroden aan de andere kant van de chip, die elk een neuron vertegenwoordigden. In het onderzoek moesten cameragegevens van de rollende robot in een siliciumprocessor worden omgezet naar analoge signalen voordat ze door het memristornetwerk liepen. Op dezelfde manier gingen voor de hefboomarm gegevens over de positie van de arm via een siliciumprocessor naar het memristornetwerk en vormden de basis voor instructies voor het laten draaien van de bevestigde dronerotor om de arm naar de juiste positie te tillen.

"Apparaten zoals de onze kunnen robots in staat stellen intuïtief gedrag te vertonen, net als mensen, de manier waarop je heel heet water kunt aanraken en je hand terug kunt trekken. De controlereactie is misschien minder nauwkeurig, maar wel heel snel", zegt Mingze Chen, recentelijk gepromoveerd. afgestudeerd in werktuigbouwkunde.

"Edge computing betekent dat de informatie niet naar een datacentrum hoeft te reizen voor verwerking, zoals de zenuwen en spieren in onze hand en arm kunnen reageren zonder de informatie naar onze hersenen te sturen. Edge computing kan sneller zijn, met een lager energieverbruik, omdat we geen tijd en energie besteden aan het verzenden van gegevens."

Bron 

Transcriptie

Er is geen transcript beschikbaar voor deze video.