Neuromorpher Motor treibt rollenden Roboter an und reduziert den Stromverbrauch um 99,75 %

Motion Design INSIDER

Ein rollender Roboter folgt Xiaoqiu An, einem Doktoranden im Maschinenbau, geführt von einem Ziel:einem roten Stück Pappe auf einem Stahlstab. (Bild:Mingze Chen, Nanoengineering and Nanodevice Laboratory, University of Michigan)

Analoges Rechnen erlebt ein Comeback mit Hardware, die Informationen am selben Ort verarbeitet und speichert, ähnlich wie biologische Neuronen. Ein kleinerer, leichterer und energieeffizienterer Computer, der an der University of Michigan vorgestellt wurde, könnte dazu beitragen, Gewicht und Strom für autonome Drohnen und Rover einzusparen, was Auswirkungen auf autonome Fahrzeuge im weiteren Sinne hätte.

Laut der in Science Advances veröffentlichten Studie weist der autonome Controller einen der niedrigsten gemeldeten Stromanforderungen auf . Er arbeitet mit lediglich 12,5 Mikrowatt – in der Größenordnung eines Herzschrittmachers. Bei ihren Tests war ein rollender Roboter mit der Steuerung in der Lage, ein Ziel im Zickzack durch einen Flur mit der gleichen Geschwindigkeit und Genauigkeit zu verfolgen wie mit einer herkömmlichen digitalen Steuerung. In einem zweiten Versuch mit einem Hebelarm, der sich automatisch neu positionierte, schnitt der neue Controller genauso gut ab.

„Diese Arbeit stellt ein bahnbrechendes nanoelektronisches Gerät vor, das für Hardwareplattformen entwickelt wurde, die effizient mit neuronalen Netzwerkarchitekturen rechnen können“, sagte Xiaogan Liang, U-M-Professor für Maschinenbau und korrespondierender Autor der Studie.

Die hohe Effizienz und Miniaturisierung sind besonders wichtig für Anwendungen wie Drohnen und Raumfahrzeuge, bei denen sowohl Gewicht als auch Energie im Vordergrund stehen. Aber auch herkömmliche autonome Fahrzeuge könnten von der Technologie profitieren. Früheren Untersuchungen zufolge könnten eine Milliarde Stunden autonomer Fahrzeugfahrzeit pro Jahr mehr Strom verbrauchen als die heutigen Rechenzentren weltweit zusammengenommen.

Analoges Rechnen, das wegen des geringeren Stromverbrauchs und der höheren Präzision der digitalen Technik so gut wie aufgegeben wurde, mag wie ein unwahrscheinlicher Held erscheinen – aber ein relativ neues Schaltungselement verändert das Spiel. Der 1971 vorgeschlagene und 2008 erstmals vorgestellte Memristor speichert Informationen in seinem elektrischen Widerstand. Wenn es einer Spannung ausgesetzt wird, verringert es den Widerstand, den es dem nächsten Signal ausübt. Einige Memristoren können frühere Signale mit der Zeit vergessen und zu ihrem ursprünglichen Widerstand zurückkehren, ein Verhalten, das der Entspannung in Neuronen ähnelt. Dies ist der Typ, den Liangs Team gebaut hat.

Ein rollender Roboter folgt Xiaoqiu An, einem Doktoranden im Maschinenbau, geführt von einem Ziel:einem roten Stück Pappe auf einem Stahlstab. Der Einschub zeigt den Kamera-Feed des Roboters. (Video:Mingze Chen, Nanoengineering and Nanodevice Laboratory, University of Michigan)

Da sie bereits weitgehend wie neuronale Netze funktionieren, können Memristor-Netze viel effizienter als künstliche neuronale Netze funktionieren als herkömmliche, auf Transistoren basierende Computer. Darüber hinaus spart die Beibehaltung der analogen Verarbeitung bei Sensoren und Aktoren, die selbst analog sind, Energiekosten für die Signalumwandlung zwischen analog und digital.

Das Team baute seine Memristor-Schaltkreise in der Lurie Nanofabrication Facility an der U-M, indem es einen Arm mit einer Goldspitze und einem Durchmesser von etwa 30 Mikrometern über einen Siliziumchip rieb – als würde man einen Ballon an den Haaren reiben, damit er mit statischer Elektrizität an einer Wand haftet. Die elektrischen Ladungen führten dann verdampftes Wismutselenid dazu, sich entlang von acht sich kreuzenden Linien mit einer Dicke von etwa 15 Nanometern anzusammeln, die ähnlich einem Tic-Tac-Toe-Brett angeordnet waren. Anschließend plattierten sie an den Enden jeder Linie Elektroden aus Titan und Gold.

Der neue Memristor-Controller (rechts) wird mit einem Standard-Controller (links) auf einem Drohnen-Controller-Teststand verglichen. Der Drohnenrotor muss den Hebelarm in eine bestimmte Position heben, nachdem er auf dem Boden aufliegt, und diese Position dann wieder einnehmen, nachdem der Arm gedrückt wurde. (Video:Mingze Chen, Xiaoqiu An und Nihal Sekhon, Nanoengineering and Nanodevice Laboratory, University of Michigan)

Sie injizierten Signale über eine Elektrode und lasen sie an fünf Elektroden auf der anderen Seite des Chips aus, die jeweils ein Neuron darstellten. In der Studie mussten Kameradaten des rollenden Roboters in einem Siliziumprozessor in analoge Signale umgewandelt werden, bevor sie durch das Memristor-Netzwerk liefen. In ähnlicher Weise wurden für den Hebelarm Daten über die Position des Arms über einen Siliziumprozessor in das Memristor-Netzwerk eingespeist und daraus die Grundlage für Anweisungen für den Betrieb des angeschlossenen Drohnenrotors erstellt, um den Arm in die richtige Position zu heben.

„Geräte wie unseres könnten es Robotern ermöglichen, intuitive Verhaltensweisen wie Menschen zu zeigen, etwa so, wie man sehr heißes Wasser berührt und die Hand zurückzieht. Die Steuerungsreaktion ist möglicherweise weniger genau, kann aber sehr schnell sein“, sagte Mingze Chen, ein kürzlich promovierter Wissenschaftler. Absolvent des Maschinenbaus.

„Edge Computing bedeutet, dass die Informationen nicht zur Verarbeitung in ein Rechenzentrum wandern müssen, da die Nerven und Muskeln in unserer Hand und unserem Arm reagieren können, ohne die Informationen an unser Gehirn zu senden. Edge Computing kann schneller und mit geringerem Stromverbrauch sein, da wir keine Zeit und Energie für die Datenübertragung aufwenden.“

Quelle 

Transkript

Für dieses Video ist kein Transkript verfügbar.