目前，边缘场景成为了自动驾驶难以突破的瓶颈，这也是为什么自动驾驶依然无法大规模落地运营的原因。相关的应对方法有对车辆进行仿真训练、采用数字孪生技术等，而在一些意料之外的领域，研究人员也从中找到了突破口。
日前，美国宾夕法尼亚州立大学的研究人员从夜间飞行的昆虫中汲取灵感，发现了一种基于昆虫防撞原理的新技术，可以使自动驾驶受益。目前，相关的研究成果已经发表在ACS Nano上。
高能耗和恶劣环境成最大阻碍
为解决车辆碰撞问题，许多车辆内置了防撞系统（CASs），当车辆与障碍物距离过近时会自动刹车。部分系统通过分析汽车周围空间的图像来进行操作，但在恶劣环境中，比如大雨或光线不足的情况下，图像的清晰度会大打折扣。
另一种方法是加入雷达或光感雷达，但这些设备体积较大，且需要大量的电力来支撑运营，给车辆增加了一定的重量和能源需求。
目前，随着机器学习和人工智能的迅速兴起，汽车制造商致力于使用高级相机采集高质量图像，并使用云计算进行后续图像处理。这类方法会增加基础设施成本，并造成巨大的碳排放量。
在白天照明情况较好的情况下，从获取的图像中提取特征相对容易，但夜间，迎面而来的车辆只有车灯这一个特征，辨别难度较大。此外，云计算对网络连接的要求较高，存在潜在的技术安全风险，无法在资源受限或偏远地区使用。
蝗虫神经元为灵感来源
为了弥补这些缺陷，研究人员在昆虫中汲取了灵感。昆虫可以在黑暗中飞行时避开捕食者，捕捉猎物，而且在昆虫群体中，单个昆虫不会相互碰撞。
这其中以蝗虫最为典型。蝗虫大脑中有一种特殊的神经元，称为小叶巨人运动检测器（LGMD）神经元，可以检测到正在接近的物体，并防止成群的蝗虫发生碰撞。
该神经元具有突出的非线性计算能力，可及时检测前方物体，避免正面碰撞。蝗虫主要在两种常见情况下依赖LGMD神经元，第一是与障碍物发生碰撞时，第二是当捕食者接近时。在这两种情况下，投射到蝗虫眼睛光感受器上的捕食者或障碍物的图像都会随着距离的减小而增大。
在心理生物学实验中，这种视觉刺激被称为looming stimulus，它将导致 LGMD神经元的两个树突分支同时出现兴奋性和抑制性反应。两个相反的树突输入将引发LGMD神经元的非单调逃逸响应，尖峰活动频率达到峰值，在即将发生的碰撞之前，提醒运动神经元改变轨迹，从而避免碰撞。
为了解LGMD神经元的个体兴奋性和抑制性反应及其对神经元输出的影响，研究人员创建了一个简单的生物物理模型。研究人员采用三种不同的速度来模拟视觉刺激，结果显示，移动最快的物体引起的神经元反应最早，移动速度最慢的物体引起的反应最为延迟。
（如图所示，检测时间td总是早于碰撞时tc）
在所有情况下，输出尖峰都出现在即将发生的碰撞之前，从而为运动神经元激活提供了必要的时间来改变飞行轨迹。达到峰值发射率的时间称为检测时间，它总是先于碰撞时间。
多年来，研究人员对上述LGMD碰撞检测模型进行了多次尝试，其中大部分基于硅互补金属氧化物半导体技术（CMOS）和现场可编程门阵列（FPGA）。然而，蝗虫碰撞检测架构与上述碰撞检测器之间存在两个明显的差异。
第一个差异在于两者所采用的信息处理策略。蝗虫的神经元将经历离子流过神经元膜的过程，当超过给定阈值时会导致电脉冲，称为神经元的动作电位或尖峰，神经元使用这些尖峰来转换信息并与其他神经元进行通信。
这些基于尖峰的感觉神经生物学计算和信息处理技术使它们能够以显着的能源效率执行快速复杂的任务。相比之下，人工碰撞检测器使用连续时间的电信号，这增加了能量负担。
第二个区别在于碰撞检测任务中涉及的基本元素。蝗虫的LGMD神经元执行多项任务一般使用投射到眼睛中感光传入神经元的两个树突分支进行感知，确认信息的尖峰编码，最后基于尖峰的计算来确定潜在的碰撞。
而基于CMOS的碰撞检测器通常使用相机或硅光电检测器作为传感器，它们将光信息转换为电压或电荷，随后由大型电路处理以执行类似LGMD的碰撞检测。由于缺乏传感器内编码和基于尖峰的计算，基于仿生CMOS的碰撞检测器需要大量的外围电路，无法达到预期的降能、减面积的目标。
为了达到预期效果，研究人员研发了全新的碰撞传感器。
首先，该团队根据昆虫用于避开障碍物的神经回路设计了一种特殊算法。该算法不对整个图像进行处理，只处理一个变量：汽车前灯的强度。因此，该碰撞传感器不需要车载相机或图像传感器，检测和处理单元被合并，使整个检测器更小、更节能。
其次，该团队在材料和设备方面进行创新，选择了光敏单层二硫化钼构建的记忆晶体管。该记忆晶体管结合了忆阻器和晶体管的特性，含有三个端子，不仅能提供类似于两端忆阻器的电导状态模拟和非易失性编程，而且允许静电门控，这是实现用于计算的模拟和数字电路的关键。
此外，单层二硫化钼记忆晶体管具有栅极可调的持久光电导现象，是进行复杂视觉计算的高级机器视觉系统的理想选择。
全新的传感器由8个光敏记忆晶体管组成，它们由一层二硫化钼构成，被集成在一个电路上。它只占用了40微米的面积，只需消耗几百皮焦耳的能量，比现有系统少了几万倍。
实验表明，我们能够使用基于2D记忆晶体管的集成光电电路，模拟LGMD神经元的兴奋、抑制和逃逸反应，以便在光照不佳或夜间驾驶条件下的各种现实场景中及时进行碰撞检测。
在真实的夜间场景中，该探测器可以在潜在碰撞事故发生前的两到三秒进行感知，为司机留下足够的时间采取关键的补救措施。这对于防止自动驾驶汽车发生碰撞事故意义重大。
研究团队表示，他们已经在2020年为这项防撞技术申请专利，目前正在致力于技术的实际应用和市场推广。
不仅只有蝗虫，自动驾驶汽车的开发者也可以从其他昆虫那里得到灵感，提高自动驾驶汽车的智能性和安全性。
例如，蚂蚁的群居原理可以为汽车导航提供帮助。群居的蚂蚁在搬运食物时，可以迅速找到巢穴和食物之间的最短路线。自动驾驶汽车开发者可以对此进行深入研究，在车载导航中利用类似的算法，提高道路交通效率。
免责声明：本文版权归原作者所有。本文所用视频、图片、文字如涉及作品版权问题，请第一时间告知，我们将根据您提供的证明材料确认版权并按国家标准支付稿酬或立即删除内容！本文内容为原作者观点，并不代表本公众号赞同其观点和对其真实性负责。
为您发布产品，请点击“阅读原文”
