一种具有片上学习功能的双模式神经形态控制器，用于机器人运动控制

《IEEE Transactions on Circuits and Systems II: Express Briefs》：A Dual-Mode Neuromorphic Controller With On-Chip Learning for Robot Motion Control

　　神经形态双模控制器实现机器人高精度运动控制。ACM模式通过片上学习补偿外部干扰，精度达亚毫米级，速度提升2.9倍；S-PID模式利用脉冲编码机制，轨迹控制精度提升1.3倍，收敛速度提升1.5倍。硬件实现采用40nm CMOS工艺，面积0.93mm2，功耗3.4mW，频率50MHz，满足高精度低功耗需求。

　　

摘要：

运动控制是机器人技术中的一个重要问题，它涵盖了两种典型的控制场景：重复的点对点运动控制和动态随机轨迹运动控制。本文提出了一种具有片上学习功能的双模神经形态控制器。该控制器可以在自适应控制模型（ACM）模式下配置用于重复的点对点运动控制，也可以在脉冲比例积分微分（S-PID）模式下配置用于随机轨迹运动控制。在ACM模式下运行时，控制器通过规定的误差敏感性（PES）规则实现片上学习，从而能够通过连续的误差信号反馈实时更新突触权重。因此，控制器可以通过学习动态补偿外部干扰，实现亚毫米级的精度和毫秒级的延迟，相比传统方法，控制精度和收敛速度分别提高了2.9倍和2.0倍。在S-PID模式下，通过脉冲神经网络（SNN）固有的事件驱动误差调节和时间脉冲编码机制，动态任意轨迹运动的均方根误差（RMSE）和积分时间绝对误差（ITAE）至少分别提高了1.3倍和1.5倍。该控制器在40纳米CMOS工艺下进行仿真，核心面积为0.93平方毫米，工作频率为50 MHz时功耗为3.4毫瓦，满足了不同机器人运动控制任务对高控制性能和低成本的要求。

引言

机器人技术在各种工业和服务机器人应用中具有巨大的价值，已被广泛应用于生活和生产的各个领域[1]、[2]、[3]、[4]、[5]。机器人运动控制器需要满足几个关键要求：高控制精度、实时响应性、环境适应性和在不同操作场景下的自适应部署能力[1]、[6]、[7]。图1展示了两种典型的机器人运动控制应用场景。对于重复的点对点运动，执行器沿着预定义的固定路径进行高精度的重复运动，例如焊接和装配应用。而在随机轨迹运动中，受控物体沿着非结构化且不固定的轨迹运动，表现出时变和不确定的特性，例如动态抓取和人机协作等场景[7]、[8]、[9]、[10]。 图1.

所提出控制器的应用场景。