登录社区云,与社区用户共同成长
邀请您加入社区
暂无图片
人形机器人正经历从"机械执行体"向"具身智能体"的质变,其核心驱动力在于感知系统的范式革新。传统机器人依赖离散传感器数据拼接环境信息,而新一代系统通过多模态融合、仿生感知架构和类脑计算,实现了对物理世界的连续语义理解。本文将从硬件层、算法层和架构层三个维度,深度剖析感知系统的关键技术突破。(代码展示基于Transformer的跨模态特征融合实现)(触觉信号从压阻阵列到神经脉冲的转换过程示意图)(主
生物计算芯片的编译优化本质上是在连续生物智能与离散硅基计算之间架设数学桥梁。这个问题的突破不仅需要计算神经科学的前沿理论,更需要发展新型的编译代数体系。当我们将微分几何、量子优化与信息论工具深度融合时,或许能真正解开SNN脉冲时序编码的编译困境。在图像脉冲编码任务中,峰值信噪比(PSNR)从传统方法的28.6dB提升至34.2dB。该熵率的最大化需要精确的突触权重-延时联合优化。其中c表示芯片内信
传统人工神经网络(ANNs)依赖连续值的激活函数(如ReLU)传递信息,其计算模式与生物神经元存在本质差异。类脑芯片与SNN的融合将在边缘智能(Edge AI)、神经形态机器人及脑机接口等领域引发变革。的交叉演进,下一代计算架构有望实现生物级能效与认知能力。类脑芯片摒弃传统冯·诺依曼架构的“存储墙”瓶颈,采用。传统SNN训练受制于脉冲不可导性,近年研究通过。
在生物神经系统(Biological Neural Network, BNN)的启发下,脉冲神经网络(Spiking Neural Network, SNN)通过引入时间维度与事件驱动机制,成功模拟了生物神经元膜电位动态(Membrane Potential Dynamics)、突触可塑性(Synaptic Plasticity)等核心特性。预计到2030年,采用光子SNN芯片与量子退火协同的混合
至此,企查查显示公司已累计完成四轮融资(实际5轮),于2025年1月24日,连续完成数千万元天使+和天使++轮融资,两轮投资由华业天成、瑞江投资领投,零以创投、北京海升集团、全新世、仁爱资本、水木清华校友种子基金和九尚资本跟投;[千诀科技](公司全称“北京千诀科技有限公司”)于2023年6月北京注册成立,公司致力于将“类脑”技术路线应用于机器人的感知、决策、控制,旨在开发出能跨形态、跨环境、跨任务
智能的涌现可能同时涉及量子层面的微观随机性(如隧穿、纠缠)与经典层面的复杂规则迭代(如生命游戏式自组织)。二者的结合或能解释意识的高效性、创造性与不确定性。正如生命游戏在二维网格中“涌现出自身的宇宙”,人脑或许正是量子规则与经典动力学共同编织的“多维涌现网络”。这一领域的研究,正在重塑我们对智能本质的理解,并为下一代类脑计算提供蓝图。
AI工具的崛起,如DeepSeek,确实对传统编程岗位,尤其是重复性、规律性强的基础编程工作产生了冲击。然而,程序员的工作远不止于此,还包括大量的创造性劳动和复杂任务的解决。AI工具并非程序员的“终结者”,而是“助力者”,需要程序员指导其工作。美国一份人工智能教育研究报告强调,在人工智能时代,计算机科学比以往任何时候都更加重要,即使编程变得过时,基础的计算机科学仍至关重要。因此,系统性地学习计算机
脑启发SLAM(同时定位与建图)技术通过模拟大脑的空间导航过程,利用摄像头作为传感器,实现了在未知环境中的定位与地图构建。该技术借鉴了动物导航机制中的网格细胞、位置细胞和头方向细胞等神经生物学理论,通过路径积分、位置编码和方向感知等方式,支持机器人在复杂环境中的导航。脑启发SLAM的实现包括环境感知和空间认知两个主要过程,通过多模态感知信息处理和自组织集群放电机制,结合深度学习、连续吸引子神经网络
「极客头条」—— 技术人员的新闻圈!
传统神经形态计算模型长期聚焦于神经元的脉冲发放机制(Spiking Neural Networks, SNNs),却忽视了占中枢神经系统细胞总数50%以上的神经胶质细胞(Glial Cells)的计算潜能。近年研究表明,星形胶质细胞(Astrocytes)通过钙离子振荡网络可执行时空信号积分[1],少突胶质细胞(Oligodendrocytes)调控轴突传导速度实现时序编码优化[2],而小胶质细胞