[据科技探索网站3月23日报道] 昆虫能够在生活环境中自动导航、避开障碍物以及安全降落在各种表面上。世界各地的研究团队一直试图采用类似昆虫的原理，在自主微型飞行器(MAV)上复制这些能力， 多年来，代尔夫特理工大学(TU Delft) 的研究人员一直在尝试开发受昆虫启发的技术，以增强微型无人机导航和着陆能力。在最近发表的一篇论文中，他们介绍了一种新的神经形态控制器，可以有效改善微型飞行器的着陆能力。
该项研究成员杰西·哈格纳斯(Jesse Hagenaars)表示：“我们研究的微型飞行器是一项重大挑战，因为型飞行器(只有20克重)在能源、传感和处理方面的资源极其有限。这就是为什么我们需要从大自然，尤其是飞虫那里获得了很多灵感。”在之前的工作中，研究人员利用脉冲神经网络（SNN）开发了一系列仿生技术，脉冲神经网络是一种类人工神经网络，它与人脑中的神经网络极为相似，通过激活峰值来计算和分析信息。
在这项新研究中，研究人员想用脉冲神经网络（SNN）来控制微型飞行器的飞行和着陆。为此，他们与荷兰国家计算机科学与数学研究所(CWI)展开了合作。CWI在开发脉冲神经网络方面拥有高水平的专业知识。Hagenaars说:“我们研究的最终目标是将运动估算和控制连接起来，最终形成完全的仿生流程，这将比传统的基于视觉的控制方法更节省功耗。现在，为了证明控制部分的可行性，我们将该方法应用于着陆。”
控制微型飞行器着陆是基于比例控制器和传统神经网络，基于脉冲神经网络的控制器有潜力获得类似甚至更好的结果，并具有更高的能源效率。与传统的人工神经网络(ANN)在每个神经元在每一步都传递一个真实的值不同，脉冲神经网络只有在受到足够的刺激时才会输出一个二进制脉冲。考虑到每个单独的峰值或计算需要一定的能量，脉冲神经网络往往比传统的神经网络更节能，因为它们通常是通过所谓的“神经形态硬件”来实现的。
Hagenaars说:“虽然我们没有在神经形态的硬件上实现脉冲控制器，但我们在能效方面做了进一步的努力，将网络用于执行控制的峰值数量降至最低。这是通过在控制器的进化优化过程中将峰值的数量作为一个目标来实现的。”Hagenaars和他的同事使用仿真工具训练基于脉冲神经网络的控制器，然后评估他们在真实环境中的表现。他们的实验取得了成功，控制器使自主微型飞行器快速安全着陆，同时保持脉冲神经网络峰值，从而使能量消耗最小化。
Hagenaars说:“首先，这项工作是首次将脉冲神经网络整合到真实飞行机器人的控制回路中。其次，我们大大降低了控制器的峰值率，极大地降低了功耗。”采用脉冲神经网络创造的控制器可以帮助研究人员提高现有和新开发的微型飞行器的性能和能源效率，特别是在着陆期间。到目前为止，研究人员只在传统芯片上测试了他们的控制器，然而节能只能通过神经形态硬件来实现。因此，在未来的工作中，他们也希望采用神经形态芯片（如英特尔Loihi芯片）实现这些技术。（国家工业信息安全发展研究中心 李茜楠 ）
