昆士兰科技大学的机器人研究人员近日开发出一种新型机器人导航系统，该系统灵感来源于人类大脑的神经过程，显著降低了能耗。这一创新成果被详细介绍在发表于《科学机器人》杂志的研究中，系统名为“LENS”(基于神经形态系统的位置编码)。

LENS系统通过模仿大脑的计算方式，为机器人位置识别设定了新的低能耗标准。研究团队由神经科学家Adam Hines博士、Michael Milford教授和Tobias Fischer博士共同领导，他们采用了神经形态计算技术，使系统能够像人类一样学习，并以电尖峰的形式处理信息。

“能源限制是现实世界机器人技术面临的一大挑战，”Hines博士指出，“通过使用神经形态计算，我们的系统将视觉定位的能量需求降低了99%，从而延长了机器人的运行时间和覆盖距离。”

在研究中，LENS系统展现出了卓越的性能。它能够在8公里的旅程中准确识别位置，而仅使用180KB的存储空间，相比其他系统减少了近300倍。这一系统将类似大脑的脉冲神经网络与特殊摄像头和低功耗芯片相结合，集成在一个小型机器人上，实现了实时、节能的定位跟踪。

Fischer博士强调，LENS系统的关键创新在于其新算法，该算法利用了两种仿生硬件：事件相机和神经形态芯片。事件相机能够持续感知变化和运动，而非捕捉完整图像，这种方式更接近人类和大脑处理视觉信息的方式。

昆士兰科技大学机器人中心主任Michael Milford教授表示，这项研究代表了该中心在节能机器人系统方面的一个重要突破。他强调，有影响力的机器人技术不仅需要突破性的研究，还需要确保满足最终用户的期望和要求。

更多信息： 一种用于超节能设备机器人定位的紧凑型神经形态系统，《科学机器人》(2025)。

期刊信息： 《科学机器人》