无人驾驶自行车的“天机”

刘璐

学号19021110354T

转载自https://www.guokr.com/article/454454/

【嵌牛导读】2019年8月起，清华大学的校园就出现了一款“黑科技”自行车——它能在无人驾驶的情况下自己保持平衡，自动识别、躲避障碍，还能服从指挥，根据指令乖乖做出转弯、加速等动作。

【嵌牛鼻子】天机芯片、NSM

【嵌牛提问】 这款新技术的软硬件有哪些突破创新？

【嵌牛正文】这辆无人驾驶自行车的核心在于通用人工智能芯片的研发，这枚名为天机（Tianjic）的芯片经历了计算科学与神经科学的融合，对计算架构与算法的优化，与先进芯片技术的结合而最终得以实现，并作为首例通用人工芯片的展示，登上了《自然》（Nature）杂志的封面。当然这个例子被很多人诟病，认为这个不就是一个简单的平衡游戏吗？然而看它是如何完成的才是更加重要的意义。

        为了证明建立一个类似大脑的跨范例系统的实用性，他们设计了一个无人驾驶自行车实验，在一个天机集成电路芯片内并行部署多个专用网络。配备了通用的算法和模型，自行车能够进行实时的目标检测、跟踪、语音命令识别、骑过减速带、避障、平衡控制和决策。实现这些功能涉及三个主要挑战：

        第一，在户外自然环境中检测并平稳跟踪移动的人体；其次，生成实时的电机控制信号，以响应平衡控制、语音命令和视觉感知，使自行车保持在正确的方向上行驶；三是实现多模式信息集成和快速决策。

无人驾驶自行车按照指令做出左转、直行和加速动作 | 参考文献[1] 无人驾驶自行车“跟跑”和躲避障碍 | 参考文献[1]

      为了完成这一任务，该团队开发了多个神经网络，包括用于图像处理和目标检测的CNN、用于人类目标跟踪的CANN、用于语音命令识别的SNN以及用于姿态平衡和方向控制的MLP。这里，CANN利用了通过非线性树突状操作实现的膜电位归一化机制。为了集成这些网络，实现高层决策，该团队开发了一个基于SNN的神经状态机(NSM)。NSM接收来自其他网络(CNN, SNN)的输入，并输出使能信号enabling signals (CNN, CANN)和动作信号(例如，强制转弯、避障)到下游Fcore用于自行车电机控制。在路演前，对CNN、CANN、SNN和MLP网络进行了预训练，并将其编程到天机电芯片上。由于其分散的架构和任意的路由拓扑结构，Tianjic允许所有的神经网络模型并行运行，实现了模型之间的无缝通信，使自行车能够顺利地完成这些任务。

     从下图中可知，整个FCore由多个模块组合而成。

     Axon模块，主要提供输入的图像数据（activision）；Synapse模块，主要提供权重参数；Dendrite模块，执行乘法和加法计算；Soma模块，执行后续的激活/pooling等功能；Router模块，调配数据的传递，类似一个DMA结构，或者，实现可重构配置的功能。

自动驾驶自行车搭载的主要部件包括：天机芯、各类传感器、驱动系统 | 汉化自参考文献[1]

       综上所述，我们已经开发了天机芯片，它同时支持基于计算机科学、机器学习算法和基于神经科学的生物启发模型。各种神经网络和混合编码方案可以自由集成，实现包括SNNs和ANNs在内的多个网络之间的无缝通信。可以说这枚首款拥有自主IP的芯片的成功研发不仅是人工智能芯片的巨大突破，更是我国人工智能领域的标杆性发展！