创新的仿生传感器可检测运动并预测各种应用的轨迹

阿尔托大学的研究人员开发了一种创新的仿生传感器，可以检测单个视频帧中的移动物体并准确预测其未来的运动。 描述于一 自然通讯 论文中，这种先进的传感器在动态视觉传感、自动检测、工业过程控制、机器人引导和自动驾驶技术等领域具有众多潜在应用。

传统的运动检测系统需要大量组件和复杂的算法来执行逐帧分析，导致效率低下且能耗高。 为了解决这些限制，阿尔托大学团队从人类视觉系统中寻找灵感，并创建了一种神经形态视觉技术，将传感、记忆和处理统一到一个能够检测运动和预测轨迹的设备中。

光忆阻器：新技术的核心

研究人员的技术基于光忆阻器阵列，这是一种能够在光照下产生电流的电子器件。光忆阻器具有一个独特的特性：当光线关闭时，电流不会立即停止，而是会逐渐衰减。这一特性使光忆阻器能够有效地“记住”它们最近一次的光照，使得由这些器件阵列组成的传感器不仅能够捕捉场景的瞬时信息，还能捕捉先前时刻的动态记忆。

“我们技术的独特之处在于它能够将一系列光学图像集成到一个帧中，”领导这项研究的研究员谭宏伟解释道。 “每张图像的信息都作为隐藏信息嵌入到后续图像中。 换句话说，视频中的最后一帧还包含所有先前帧的信息。 这样我们就可以通过简单的人工神经网络仅分析最后一帧来检测视频中较早的运动。 结果是一个紧凑而高效的传感单元。”

展示该技术的能力

为了展示他们的技术，研究人员使用了逐个显示单词字母的视频。尽管所有单词都以字母“E”结尾，但传统的视觉传感器无法辨别屏幕上的“E”是否位于“APPLE”或“GRAPE”中的其他字母之后。然而，光忆阻器阵列可以利用最后一帧中的隐藏信息推断出哪些字母位于其之前，并以近乎100%的准确率预测单词。

在另一项实验中，该团队展示了模拟人以三种不同速度移动的传感器视频。 该系统不仅可以通过分析单个帧来识别运动，还可以准确预测后续帧。

对自动驾驶汽车和智能交通的影响

准确的运动检测和轨迹预测对于自动驾驶技术和智能交通系统至关重要。自动驾驶汽车依靠对汽车、自行车、行人和其他物体如何移动的精确预测来做出明智的决策。通过将机器学习系统整合到光忆阻器阵列中，研究人员证明他们的集成系统可以基于全信息帧的传感器内处理来预测未来的运动。

“我们的紧凑型传感器内存和计算解决方案的运动识别和预测为自主机器人和人机交互提供了新的机遇，”Sebastiaan van Dijken 教授说。 “我们使用光忆阻器在系统中获得的帧内信息避免了冗余数据流，从而实现实时节能决策。”