2022年5月21日全国事业单位联考《综合应用能力（C类）》试题

2022年5月21日全国事业单位联考《综合应用能力（C类）》试题

【材料一】

人的大脑由大量的神经元通过突触连接在一起，构成了极其复杂的运算网络。目前，通过模拟人脑神经元信息处理机制的深度神经网络技术已经成为智能时代最为重要的建模方法。尽管已有的机器人经常被称为“智能机器人”，然而这些“智能机器人”能够实现的动作及行为能力基本是通过预定义的规则实现的，而人类进行动作、行为的学习主要是通过模仿及与环境的交互实现的，此外，“智能机器人”目前还不具有类脑的多模态感知及基于感知信息的类脑自主决策能力。在运动机制方面，它们也不具备类人的外周神经系统，其灵活性和自适应性与人类运动系统还具有较大差距。

随着人工智能、机器人和传感器技术的不断发展，机器人已经由传统在线示教工作模式向智能工作模式方向发展，结合脑科学研究成果，机器人理论和应用研究有望迎来新的突破，甚至可成功制造出类脑智能机器人。类脑智能机器人系统是融合了视觉、听觉、思考和执行等能力的综合智能系统，它能够以类似于人脑的工作方式运行。同时，类脑智能机器人力图将人的内部机理融入机器人系统，从而提高机器人的认知、学习和动作控制能力，通过融入对人的机理的探索，类脑智能机器人有望实现与人“共情”，从而产生更深度的交互与合作。

类脑智能机器人首先涉及的是机器人的仿生结构和感知控制，而仿肌肉驱动器是其中的重要部分。这些仿肌肉驱动器可以省却齿轮，轴承，避免复杂的结构，同时减轻重量，具有更好的应用效果。如Shahinpoor等人用4片重0.1g的人工肌肉材料IPMC作手指组成的机械手，在5V的电压下提起了10.3g的石子，所需功率为25mW。如用传统机械装置实现这个动作，其机构将非常复杂。

20世纪60年代以来，日本以及美国DRAPA等机构不断进行仿肌肉驱动器的研究，但最近10年材料和新型传动系统的发展才真正实现一系列的突破。目前制作的仿肌肉驱动器可以分为材料类、机械类和生物类。材料的仿肌肉驱动器主要代表有形状记忆合金、电致收缩聚合物、压电陶瓷、磁致收缩聚合物、功能凝胶、液晶收缩聚合物等。此类仿肌肉驱动器的共同特点是模拟动物肌肉收缩产生力这一工作特性，利用材料在不同的外部控制下，如电压、电流、PH值等，材料内部的成分发生物理变化，产生形变和力。机械类的仿肌肉驱动器，主要代表有气动人工肌肉、液压人工肌肉、电致收缩器、磁致收缩器等，其中由波士顿动力研制的Atlas类人机器人就采用了液压人工肌肉。不同于材料类仿肌肉驱动器，机械类仿肌肉驱动器都是结构发生变化，产生收缩和力。生物类的仿肌肉驱动器目前尚处于实验研制阶段，主要是利用动物活体细胞来充当驱动器，美国DRAPA资助麻省理工学院研制的鱼形仿生机器人，由活体肌肉驱动，最大速度45mm/s，而在类人机器人上尚未进行类似的研究。在这些研究的基础上，瑞士苏黎世大学搭建了拥有“肌腱”和“骨头”的机器人平台ECCERobot，相关研究成果被美国PopularMechanics报道，并入选当年十大创新概念之首。此外，波士顿动力还试图研制一款更新型放生肢体，采用3D打印的方式，将所有的液压元件直接打印到其机器人肢体的“骨头”结构中，使之更具有仿生元素，比如“类动脉式的液压管道布局”、看上去很像骨头的支架等。

除了具有仿生结构和仿生运动能力，类脑智能机器人还以脑科学和神经科学的研究为基础，使机器人以类脑的方式实现对外界的感知和自身的控制。人的运动系统由骨骼、关节和肌肉组成，相关的肌肉收缩或舒张由中枢神经系统与外周神经系统协同控制。以类脑的方式实现感知与控制的一体化，这将使得机器人能够模仿外周神经系统感知、中枢神经系统的输出与多层级反馈回路，从而提高机器人从感知外界信息到自身运动的快速性和准确性。

针对这项技术，瑞士洛桑理工学院于2015年开发了一个神经系统仿真工具。在该仿真工具中。研究人员建立了一个数字化的老鼠大脑计算模型和虚拟老鼠身体模型。通过把这两个模型结合起来，来模拟大脑和身体的相互作用的神经机制，这为类脑机器人的神经系统模拟提供了基础。目前，他们已在模型中模拟出一只小白鼠完整大脑中约2100万个神经元中的3.1万个。虽然，将神经系统和仿生机器人相结合进行研究尚处于初步阶段，但已经建立的脑网络模型，以及运动神经和各种运动控制上的一系列研究成果，已为类脑智能机人的感知与控制回路的进一步研究奠定了很好的基础。

与类脑智能机器人密切相关的技术，如脑机接口，神经假体等，近几年取得了积极的进展。脑机接口可以使计算机从大脑神经活动获知人的行为意向，其关键在于神经解码，将大脑的神经信号转化为对外部设备的控制信号，其又分为侵入式脑机接口和非侵入式脑机接口，其中侵入式脑机接口能在瘫痪病人的大脑运动区植入电极阵列，提取人的运动意向从而控制机械手臂的动作，非侵入式脑机接口是用紧贴头皮的多个电极采集大脑脑电图信号从而控制机械臂或飞行器。而在脑神经假体方面，美国DARPA正投资研发一种芯片，通过植入该芯片可以帮助脑部受伤的人恢复记忆，并干扰甚至消除一些不愉快的记忆（如战争记忆），此技术已在老鼠身上取得了不错的效果。此外，科研人员在视觉神经假体、运动神经假体方面也均取得了很好的进展，并已成功应用，以帮助人们恢复部分视觉功能或部分替代四肢功能。虽然脑机接口和神经假体等方面的研究还有很大的提升空间，但已有的研究成果为类脑智能机器人的研究提供了很多的借鉴。

在类脑智能机器人研究中，如何从根本上提升机器人的智能，是机器人研究领域的一个重要问题。经历了长期的发展过程，人们普遍认为机器通常在动力、速度、精巧性方面具有一定的优势，而人类具有智能、感知、情感等机器部分具有或者不具有的能力和特点，人们自然希望可以将二者各自的优点融合在一起，实现“人机协作”。早在20世纪50年代，已有研究人员开展了相关的工作、从具体任务出发（如工业制造），研究离线状态下的人机交互，让机器人在人的指引下完成任务学习。20世纪90年代，人们开始研究实时交互问题，将服务机器人与人结合在一起，然而这种协作主要从功能角度使人和机器人共享智能，并不算真正意义上的融合，在这一过程中，人做一部分工作，机器人做一部分工作，二者分工完成同一任务。近年来，人们更加关注“认知——合作”，机器人作为人的“同事”，和人在一起工作，智能人机协同需要计算机在陌生的环境通过对周围环境的观察以及周围环境的反馈刺激、自主整合新旧知识、并进行综合智能决策，即要求计算机具有类脑的交互学习机制。随着人工智能技术和新材料技术的兴起，智能机器人行业将是未来“脑科学研究”和“脑认知与类脑计算”研究成果的重要产出方向，在实际的应用场合，新一代的机器人或者新型人工智能必须要具有通过交互从外界获得知识，并通过智能增长的方式进一步了解外部世界的能力，建立基于交互的从零学习及智能生长认知模型，能让计算机像婴儿一样，在与人的交互过程中进行错误纠正与知识积累，实现模仿人类认识外部世界的智能增长。