人工智能的最新進展增強了移動機器人處理復雜和動態(tài)場景的能力。然而，為了使計算密集型算法能夠在多任務機器人中以低延遲和高效率本地執(zhí)行，需要對計算硬件進行創(chuàng)新。
在這里，我們報告TianjicX，這是一種神經形態(tài)計算硬件，可以支持多個跨計算范式神經網絡（NN）模型的真正并發(fā)執(zhí)行，并具有各種機器人協(xié)調方式。具有時空彈性，支持計算資源的自適應分配和每項任務的執(zhí)行時間調度。這種方法的關鍵是一個高級模型“Rivulet”，它彌合了機器人級需求和硬件實現(xiàn)之間的差距。通過靜態(tài)數(shù)據(jù)分布和動態(tài)數(shù)據(jù)流，抽象化NN任務的執(zhí)行，形成基本的活動上下文，采用時空切片實現(xiàn)每個活動的彈性資源分配，并進行可配置的混合同步-異步分組。因此，Rivulet能夠支持獨立和交互式執(zhí)行?；赗ivulet硬件設計實現(xiàn)時空彈性，開發(fā)了一種具有事件驅動、高并行度、低時延、低功耗的28納米天墅X神經形態(tài)芯片。使用單個TianjicX芯片和專門開發(fā)的編譯器堆棧，我們構建了一個多智能任務移動機器人Tianjicat來執(zhí)行貓捉老鼠的游戲。可以同時執(zhí)行多個任務，包括聲音識別和跟蹤，對象識別，避障和決策。與 NVIDIA Jetson TX2 相比，延遲大幅降低 79.09 倍，動態(tài)功耗降低 50.66%。
