麻省理工學院的研討職員正在追求辦理機器人處置懲罰信息速率十分之快跟挪動速率絕對較慢之間的極大差異，他們正在利用一種叫做“機器人形態計較”的器材去實現這一方針。這類方式由麻省理工學院計算機科學與人工智能畢業生SabrinaNeuman博士計劃，其成果是定制的計算機芯片可以供給硬件加速，以此去放慢相應工夫。
并聯分揀機器人的設計快遞公司的分揀機器人為一個十分特定的目標定制芯片并沒有新穎，但跟著公司跟技巧專家愿望正在功率跟計較限定更守舊的設備上停止更多的當地計較，而不是經由過程網絡連接將數據來回于大型數據中心。正在這類環境下，該方式波及創立超特定的芯片，這些芯片是依據機器人的物理布局跟及其預期用途計劃的。經由過程思量機器人對周圍環境的感知、對其正在這些情況中的地位的映射跟明白，和由上述映射跟所需舉措發生的運動計劃等方面的要求，研討職員可以計劃出處置懲罰芯片，經由過程用硬件加速增補軟件算法，大大提高最初一個階段的服從。
大多數人時常遇到的硬件加速的典范例子就是圖形處理單元，或者說GPU。GPU實質上是一個專門為處置懲罰圖形計較操縱使命而計劃的處理器，好比顯現襯著跟視頻播放。GPU之所以受歡迎，是因為簡直一切的古代計算機皆會運轉到圖形密集型使用，但因為更多可定制跟高效的小型芯片制造技巧的呈現，用于一系列分歧功用的定制芯片比來變得加倍風行。
此刻MIT新聞先容了Neuman機器人節制硬件芯片計劃環境。該體系創立了一個定制的硬件計劃，以最好天知足特定機器人的計較需要。用戶輸入機器人的參數，好比它的肢體結構跟各個樞紐的運動方法。Neuman體系將這些物理屬性轉化為數學矩陣。這些矩陣是“希罕的”，那意味著它們包括許多零值，這些零值大抵對應于給定機器人特別剖解布局下沒有能夠的舉措。
然后，該體系計劃了一個專門的硬件架構，只對矩陣中的非零值運轉計較。是以，所發生的芯片計劃是量身定做的，以最大限度天進步機器人計較需要的服從。而這類定制化計劃正在測試中失掉了回報。Neuman的團隊利用了一種現場可編程門陣列，那有點像介于完整定制芯片跟現成CPU之間的中央面，它的機能較著優于后者。
讓機器人對情況做出更快的反映并不單單是為了進步制造速率跟服從，那也是為了讓機器人正在人類與機器人并肩事情跟協作的環境下加倍平安天事情。那依然是機器人技巧正在日常生活中更普遍利用的緊張阻礙，那意味著這項研討可以資助將來人類跟機器人協調共存。
分揀機器人設計原理煤炭分揀機器人機械臂快遞分揀機器人分揀機器人的功能特點