北京航空航天大学新研究登上《自然-通讯》：有望让机器人具备人眼级视觉能力

2 月 14 日消息，2 月 10 日，北京航空航天大学研究团队在《自然-通讯》发表研究称，其开发的视觉系统在运动处理速度上较现有主流光流技术快四倍，有望显著提升自动驾驶车辆、工业机器人和手术机器人等系统的反应速度。

该成果源自神经形态工程。不同于传统芯片将存储与运算分开，神经形态硬件仿照大脑结构将二者融合，从而提高运算效率并降低能耗。长期以来，这一方向被视为弥合机器与人类感知差距的重要路径。

据外媒 TechSpot 报道，团队负责人高硕（音译）从大脑的外侧膝状体获得灵感。外侧膝状体位于视网膜与视觉皮层之间，既负责传递信息，也负责筛选信号。由于能够对时间与空间变化高度敏感，人类视觉系统可优先处理快速变化的对象。研究团队尝试将这种选择性注意机制在芯片中实现。

传统机器人视觉依赖摄像头拍摄连续静态帧，并通过光流算法追踪像素亮度变化来判断运动，但该方法处理一帧图像可能耗时超过 0.5 秒。对于高速行驶的自动驾驶车辆而言，这种延迟意味着在感知空窗期内，车辆就可能前进数米。

研究人员开发的神经形态模块可直接检测光强随时间变化的区域，仅对发生变化的部分分配算力，实现实时运动识别。

在模拟驾驶和机器人操作测试中，该系统将延迟减少约 75%，并在复杂运动场景下将追踪精度提升一倍。

该系统仍依赖传统光流算法进行最终图像解析，且在多重运动交错场景中表现有限，不过整体性能已明显优于传统方案，显示未来机器视觉响应速度可能接近甚至超过人类。

熟悉该研究的专家认为，这项技术有望扩展机器人安全运行的环境范围，从道路到家庭场景。在家庭中，机器人需识别手势与细微表情，更快的视觉反馈将使人机互动更加自然。

下一阶段挑战在于扩大神经形态硬件规模，并在保持速度与精度的同时整合进现有 AI 系统。如果顺利推进，受生物启发的视觉架构可能改变机器人理解动态世界的方式与速度。

附有关研究链接：https://www.nature.com/articles/s41467-026-68659-y