昆士兰科技大学机器人研究人员取得重大成果，开发出一种模仿人类大脑神经过程的新型机器人导航系统，该系统所用能量不到传统系统的10%，为机器人技术发展带来新突破。

相关研究成果发表于《科学机器人》杂志，论文标题为《一种用于超节能、设备内机器人定位的紧凑型神经形态系统》。研究团队由神经科学家Adam Hines博士、昆士兰科技大学机器人中心和电气工程与机器人学院的Michael Milford教授和Tobias Fischer博士共同组成，他们运用神经形态计算系统开展了此项研究。

为了运行神经形态系统，研究团队设计了专门算法，使其能像人类一样学习，以电尖峰形式处理信息，类似真实神经元使用的信号。Hines博士指出，能源限制是现实世界机器人技术面临的重大挑战，尤其在搜索救援、太空探索和水下导航等领域。通过使用神经形态计算，新系统将视觉定位的能量需求降低了99%，让机器人能在有限电源下运行更长时间、覆盖更远距离。

在研究中，团队开发的LENS(基于神经形态系统的位置编码)系统表现卓越。该系统能在8公里旅程中识别位置，却仅使用180KB的存储空间，比其他系统少近300倍。LENS将类似大脑的脉冲神经网络、仅对运动做出反应的特殊摄像头(事件相机)和低功耗芯片集成在一个小型机器人上。

Hines博士表示，该系统展示了神经形态计算如何实现机器人的实时、节能定位跟踪，为低功耗导航技术开辟新可能。更低的能耗使遥控机器人能探索更长时间、更远距离，且系统仅使用视觉信息就能让机器人快速、节能地自我定位。

ARC DECRA研究员Fischer博士介绍，LENS系统的关键创新是一种新算法，利用了两种有前景的仿生硬件：通过事件相机进行感知，通过神经形态芯片进行计算。事件相机并非捕捉场景完整图像，而是每微秒持续感知变化和运动，检测每个像素的亮度变化，紧密复制人类眼睛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教授称，这项研究代表了该中心的关键研究主题。有影响力的机器人技术不仅要有突破性研究，还要完成转化工作，确保满足最终用户期望和要求。此项研究是致力于节能机器人系统的良好范例，为最终用户提供了机器人在应用领域发挥作用所需的性能和耐用性。

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)。