河南大学人工智能学院敖天勇团队在《信息与控制》发表论文《基于脉冲神经网络的机器人智能控制研究进展》。该论文系统综述了脉冲神经网络(SNN)在机器人类脑智能控制领域的研究成果，提出了基于SNN的机器人类脑智能控制框架，从运动控制、柔顺控制、协同控制三方面梳理研究进展，为机器人与类脑智能领域研究提供重要参考。
随着机器人技术向具身智能方向发展，在非结构化环境中实现灵巧操作、拟人柔顺控制和高效人机协同成为重要挑战。传统控制技术面对复杂动态场景时存在能耗高、鲁棒性弱等问题，而受生物脑启发的SNN具有生物合理性强、低功耗、时空信息处理能力突出等优势，为解决这些难题提供了新路径。
论文首先梳理了SNN的发展历程，其经历了神经元建模、类脑算法进化和类脑芯片三个阶段，目前IBM、英特尔及国内清华大学、浙江大学等均推出相关类脑芯片，推动技术落地。SNN的核心优势源于其独特的神经元模型、编码方式、突触可塑性和网络拓扑结构，能够模拟生物脑的信息处理机制。
团队借鉴人类运动反馈控制机制，构建了包含类脑决策模型、类脑控制策略、机器人本体和感知系统的通用控制框架。在运动控制方面，SNN通过STDP、R-STDP等学习规则，结合强化学习、深度学习等方法，有效提升了机器人运动精度、实时性和鲁棒性;在柔顺控制领域，基于小脑模型和多脑区联合模型的SNN方案，实现了运动学与力控制的精准协调;在人机协同控制中，SNN凭借多模态信息处理优势，显著提升了人类意图预测的准确性和实时性。
论文指出，未来需重点开发适配SNN的感知与执行器件、探索力与运动协调的类人柔顺控制方法、构建通用硬件平台与编程框架。该研究为SNN在机器人领域的应用提供了全面参考，将助力具身智能机器人技术的突破与发展。
转载请注明来自：http://www.lunwencheng.com/lwdt/22695.html
