人脑的光处理能力可能带来更好的机器人感知

人脑经常成为人工智能（AI）的灵感来源，这一次，陆军研究团队通过研究人脑如何处理明亮和对比度的光线，成功地提高了机器人的感知能力。这种新发展可以帮助实现自主代理和人类之间的合作。

研究人员表示，机器感知需要在不断变化的环境中有效地工作，这导致了自主性的发展。

该研究发表在了 视觉杂志上。

100,000至1的显示能力

安德烈·哈里森是美国陆军战斗能力发展司令部的陆军研究实验室的研究人员。

“当我们开发机器学习算法时，通常会将现实世界的图像压缩到一个较窄的范围，就像手机相机一样，这个过程称为色调映射，”哈里森说。“这可能会导致机器视觉算法变得脆弱，因为它们是基于人工图像的，而这些图像与我们在现实世界中看到的模式并不完全匹配。”

研究人员开发了一个具有100,000至1显示能力的系统，这使他们能够深入了解大脑在现实世界中的计算过程。根据哈里森的说法，这使得团队能够将生物学上的恢复力纳入传感器中。

当前的视觉算法仍然有很长的路要走，才能成为理想的算法。这与有限的亮度范围有关，大约是100至1的比例，这是因为算法是基于人类和动物的研究，而这些研究使用的是计算机显示器。100至1的比例在现实世界中是不理想的，因为变化可以达到100,000至1的范围。这种高比例被称为高动态范围，或HDR。

周宝洪博士是陆军研究人员。

“光线的变化和显著变化可能会挑战陆军系统——在森林下飞行的无人机可能会被叶子上的反射变化所困惑，或者在崎岖地形上行驶的自主车辆可能无法识别坑洼或其他障碍，因为照明条件与其视觉算法训练时的条件略有不同，”周博士说。

人脑的压缩能力

人脑能够自动地将100,000至1的输入压缩到一个较窄的范围，这使得人类能够解释形状。研究人员试图通过研究高动态范围下的早期视觉处理来了解这一过程。他们关注简单的特征，如HDR亮度。

“大脑有超过30个视觉区域，我们仍然对这些区域如何将眼睛的图像处理成对3D形状的理解知之甚少，”周博士继续说。“我们的HDR亮度研究结果表明，我们对如何弥合实验室和现实世界之间的差距知之甚少。但是，这些发现使我们摆脱了这种局限，表明我们的前期假设基于标准计算机显示器的假设，并不适用于现实世界，并揭示了指导我们模拟正确机制的原则。”

通过发现光线和对比度边缘在大脑视觉表现中的相互作用，算法将更有效地在现实世界的亮度下重建3D世界。在估计2D信息的3D形状时，总是存在模糊性，但这种新发现可以纠正这些模糊性。

“通过数百万年的进化，我们的大脑已经发展出了有效的捷径来从2D信息中重建3D形状，”周博士说。“这是一个几十年来一直困扰机器视觉科学家的问题，即使在最近的AI进步中也是如此。”

该团队的发现对于开发使用宽动态范围感知的AI设备（如雷达和远程语音理解）也很重要。

“动态范围的问题不仅仅是一个感知问题，”周博士说。“它可能也是大脑计算的一个更普遍的问题，因为个别神经元有成千上万的输入。如何构建能够在不同环境中倾听正确输入的算法和架构？我们希望，通过在感知层面上解决这个问题，我们可以确认我们是在正确的轨道上，这样我们就可以在构建更复杂的AI时拥有合适的工具。”