这个问题不仅限制了通用计算机算力的进一步提升，也同时限制了机器人领域的发展。与我们日常使用的家用计算机不同的是，机器人的计算平台需要实时处理传感器信息和控制执行器。随着机器人领域的不断发展，其结构也变得更加复杂。

而算力已经趋于饱和的传统数字计算机在未来将很难满足机器人日益增长的算力需求。所以，设计一种能够实时处理复杂信息，并具有低延迟和低功耗的专用计算机可以解决当下机器人领域会遇到的问题。

当前，数字计算机在这几十年随着加工工艺的不断提高得到了巨大的发展，但数字计算机的算力和功耗还是无法和人脑相提并论。

传统数字计算机究竟会朝着什么方向发展，其算力的极限是什么是21世纪最重要的科学问题之一。虽然这个问题目前没有答案，但神奇的大自然已经告诉了我们答案是存在的，人脑或者说生物的大脑就是自然界给我们的答案。

但大自然并没有告诉我们究竟如何能达到这个答案。目前人类对大脑还没有完全理解，所以只能通过简单的模仿来进一步提高计算机的性能。人体的控制是十分复杂的，人脑通过大脑和小脑的协作完成日常活动，大脑负责想一些奇奇怪怪的东西，小脑负责身体的运动。

那机器人的计算单元能不能借鉴这个结构来进行优化呢？答案当然是可以的。

数字计算机作为主流通用计算机，其计算精确，可编程性高。

但由于内存和计算单元的分割使得其计算效率并不是很高。模拟计算机直到上世纪80年代还有在研究和应用。

但由于其计算精确度不高，可编程性差，慢慢被人们所遗忘。

但模拟计算有速度快，延迟低等特点。而机器人作为控制系统，其本身的鲁棒性使得其对计算精确度要求不高，对系统的低延迟要求很高。

所以在机器人系统中采用数字模拟混合计算机，在数字计算单元中实现了高级算法，而在模拟计算单元中实现传感器融合和运动控制算法可以降低系统延迟和功耗，并同时提升机器人的动态性能。

这种混合计算架构早在上世纪就有应用到足式机器人计算平台上，但由于模拟计算本身可编程性差，加上数字计算机的发展，这种架构后来没有得到广泛应用。

幸运的是，近年来忆阻器的提出和发展，使得可编程性的模拟计算机的大规模应用成为可能。

图1. 基于忆阻器的模数混合计算架构。

成果简介

有鉴于此，南加州大学吴蔚课题组提出了基于忆阻器的模数混合计算平台在机器人控制领域的应用。研究人员通过利用忆阻器的可编程性（可编程电导率）实现了自适应的机器人运动控制。这种方法该方法在极大的降低系统延迟和功耗的同时，提升了机器人的性能。

要点1：忆阻器的结构和 电学特性

忆阻器的结构和可编程特性的实验结果如下图。通过调节电压和通过电流，忆阻器可以被精确的可编程到174个不同的电导率值上。

图2. 忆阻器的结构和其在直流电压或者脉冲电压下的可编程多态的电学特性。

要点2：利用忆阻器可编程性控制机器人运动

利用忆阻器的可编程性，研究人员实现了简单的可编程的卡尔曼滤波器对机器人的传感器（陀螺仪和加速度计）进行滤波（图1）。滤波后的信号被基于忆阻器的模拟比例微分控制器（PD controller）进行下一步处理（图2）。利用忆阻器的可编程特点，研究人员设计了随机搜索算法来优化忆阻器在电路中的参数已达到最优化机器人控制的策略。

图3. 采用忆阻器模拟电路搭建的卡尔曼滤波器实现的传感器融合算法。

图4. 采用忆阻器模拟电路搭建的比例微分控制器用于机器人控制。

图5. 采用学习算法优化机器人控制策略来提升机器人动态性能。

小结

这项发明研究提出并验证了基于忆阻器的模拟数字混合计算机在机器人控制领域的应用。研究人员通过利用忆阻器的可编程性（可编程电导率）实现了适应变化环境的机器人运动控制。这种方法该方法在极大的降低系统延迟和功耗的同时，提升了机器人的运动性能。这项工作被IEEE SPECTRUM和其他媒体进行了报道。