创新生物启发式传感器检测运动并预测轨迹用于各种应用

阿尔托大学的研究人员开发了一种创新生物启发式传感器，可以在单个视频帧中检测移动物体并准确预测其未来运动。该传感器在《自然通信》论文中被描述，它有许多潜在应用，包括动态视觉感知、自动检查、工业过程控制、机器人引导和自动驾驶技术。

传统的运动检测系统需要许多组件和复杂的算法来执行逐帧分析，从而导致低效和高能耗。为了解决这些限制，阿尔托大学的团队从人类视觉系统中寻找灵感，创建了一种神经形态视觉技术，将感知、记忆和处理集成到一个设备中，可以检测运动和预测轨迹。

光电忆阻器：新技术的核心

研究人员的技术是基于光电忆阻器阵列的，光电忆阻器是电气设备，响应光线产生电流。光电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，而是逐渐衰减。这使得光电忆阻器能够有效地“记住”其最近的光照曝露，允许由这些设备组成的传感器不仅捕获瞬时信息，还捕获动态记忆的前一刻。
“我们技术的独特之处在于其能够将一系列光学图像集成到一个帧中，”研究负责人洪伟坦解释道。“每个图像的信息都嵌入到后续图像中作为隐藏信息。换句话说，视频中的最后一帧也包含所有前一帧的信息。这使我们能够通过分析最后一帧来检测运动，并使用简单的人工神经网络预测轨迹。结果是一个紧凑高效的传感单元。”

展示技术的能力

为了展示他们的技术，研究人员使用显示单词字母一个一个的视频。虽然所有单词都以字母“E”结尾，但传统的视觉传感器无法确定屏幕上的“E”是否跟随其他字母“APPLE”或“GRAPE”。然而，光电忆阻器阵列可以利用最后一帧中的隐藏信息来推断哪些字母先出现，并以几乎100%的准确率预测单词。
在另一个实验中，团队向传感器展示模拟人员以三种不同速度移动的视频。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。自动驾驶汽车依赖于对汽车、自行车、行人和其他物体的未来运动的精确预测来做出明智的决定。通过将机器学习系统集成到光电忆阻器阵列中，研究人员展示了他们的集成系统可以根据传感器内处理的所有信息帧预测未来运动。

“我们的紧凑型传感器内存和计算解决方案提供了运动识别和预测的新机会，适用于自动机器人和人机交互，”塞巴斯蒂安·范·迪肯教授说。“我们在系统中使用光电忆阻器获得的帧内信息避免了冗余的数据流，实现了实时的节能决策。”