仿生随机脉冲计算或为什么人类比机器人更好打篮球?

科学领域:

• 机器人技术 机器人技术 机器人技术
• 计算神经科学是一种神经科学.
• 计算机工程 计算机工程

背景情况:

• 评估计算范式的稳定性对于可靠的机器人系统至关重要.
• 数字计算机面临硬件错误的挑战,影响性能.
• 生物启发的计算为强大的计算提供了潜在的替代方案.

研究的目的:

• 为了比较数字和生物启发的计算机在不同错误率下在机器人中的篮球得分表现.
• 评估机械机器人随机脉冲计算与传统数字计算的稳定性.
• 为了确定每个计算范式的硬件效率和操作可靠性.

主要方法:

• 模拟两个机械机器人 (机器:数字,人:随机脉冲计算机) 执行篮球得分.
• 在这两种机器人的信息处理电路中引入了可变的错误率 (perr).
• 分析了得分概率,命中分布和错过事件.

主要成果:

• 人类在广泛的错误率 (0.01%到10%) 中比机器获得更高的得分概率.
• 人类的命中遵循高斯分布,最大限度地减少了大失误,而机器即使在低误差率下也表现出了壮观的失误.
• 人类使用了约100个逻辑门,比机器的约3500个门少得多.

结论:

• 与机器人任务的数字计算相比,生物启发的计算显示出更高的硬件效率和稳定性.
• 随机脉冲计算提供了增强的操作可靠性和故障耐受性,这对生存至关重要.
• 这项研究强调了生物启发计算在开发更有弹性和更高效的机器人系统方面的潜力.