機器人的「閃避本能」：科學家如何用會放電的神經網路，讓 AI 看懂「有東西正朝我飛來」？

一顆球突然朝你臉上飛來，你甚至來不及「想」，眼睛就先眨了、頭也偏了。這種對「正在逼近的東西」瞬間反應的能力，叫做「擴視感知」（looming perception，感覺到物體正在接近）。動物靠它躲天敵、抓獵物，是演化幾億年磨出來的保命本領。但對機器人來說，這卻出奇地難——現在的自駕車、無人機雖然裝了各種感測器，一到複雜多變的真實環境，判斷「這東西是要撞上我，還是只是從旁邊經過？」還是常常出錯。廣州大學的團隊決定回頭問大腦：生物到底是怎麼做到的？

研究背景：大腦看「動」的兩個祕訣
生物視覺有兩個關鍵設計。第一，早在 1930 年代科學家就發現，視網膜會把「變亮」（ON）和「變暗」（OFF）拆成兩條平行的神經通道分開處理，像兩條分工的產線。第二，我們眼睛正中央（中央凹，fovea）的感光細胞特別密集、對「動」最敏銳，越往邊緣越稀疏。更重要的是，神經細胞之間是用一個一個「脈衝」（spike，神經放電的訊號）在溝通，而不是像傳統人工智慧那樣把數字「加總再啟動」。這篇研究就是想打造一個真正「像大腦一樣放電」的視覺網路。

主要發現：一個只對「逼近」放電的網路
研究團隊提出的脈衝擴視感知網路（SLoN），由三個仿生零件組成：
1. 相位編碼＋相位延遲：把影片訊號翻譯成脈衝序列，並刻意讓「興奮」與「抑制」訊號在時間上錯開競爭，這個時間差正是製造「只對逼近有感」的關鍵。研究發現相位延遲設在「2 個相位」時效果最好，能清楚分辨「逼近」和「遠離」。
2. ON／OFF 雙通道：分開處理變亮與變暗，對應生物視覺的平行產線。
3. 偏心降採樣：模擬中央凹「中間清楚、邊緣模糊」的取樣方式，用漏積分放電（LIF）神經元計算。
圖一｜SLoN 的仿生視覺處理流程。 連續影像中的亮度變化先被拆分為 ON（變亮）與 OFF（變暗）兩條通道，再經相位編碼轉換為具有時間順序的神經脈衝；接著透過模擬中央視覺較精細、周邊視覺較粗略的偏心降採樣，以及漏積分放電神經元進行整合。當輸入呈現物體朝鏡頭逼近的時空模式時，網路便產生密集放電，形成逼近警報。概念重繪自本文原始文獻之Fig. 1。
(讀圖小撇步：把它想成一條「仿生產線」——左邊把畫面拆成變亮／變暗兩袋訊號，中間翻譯成一串串脈衝，右邊用一群「漏電式」神經元判斷這些脈衝是不是「逼近」的節奏。)

最關鍵的結果是：把各種畫面丟給 SLoN，它只會對「朝鏡頭逼近」的物體密集放電，而對「橫向移動、遠離、光柵條紋、差點撞到又閃過」都保持安靜。而且從電腦合成畫面一路測到真實世界場景，這種選擇性都很穩健，跟生物的反應原理一致。
圖二｜SLoN 對不同運動的選擇性反應。 物體朝鏡頭逼近時，網路產生密集放電；物體橫向移動、遠離或擦身而過時，輸出則維持安靜或僅有少量脈衝。這表示 SLoN 判斷的並非畫面中是否有物體移動，而是影像變化是否形成持續擴張、朝觀察者接近的時空模式。概念重繪自本文原始文獻之 Fig. 4，並參考 Fig. 7–8 的相位延遲測試。
(讀圖小撇步：看哪一種運動下面的脈衝「爆」成一片——只有逼近會爆，其他都稀稀落落，這就是 SLoN「認得出危險」的證據。)

應用場景
- 防撞的機器人與載具：無人機、自駕車、掃地機器人可以用這種「逼近偵測器」當低成本、低功耗的第一道防撞警報，尤其適合搭配只在「有變化」時才輸出訊號的神經型態（event）相機。
- 省電的神經型態視覺晶片：因為它用「脈衝」運算、平時安靜、有事才放電，天生省電，很適合放進電力有限的邊緣裝置（如小型無人機、穿戴裝置）。

未來展望
這項研究示範了一條更「像大腦」的路：與其硬算，不如複製生物用脈衝、分通道、重中央的處理方式，讓機器也長出近似本能的「閃避感」。當然目前仍有侷限——SLoN 對「光柵條紋」這類規律圖案還是會誤放電；相位延遲也不能設太大，否則會失去對逼近的敏感度；而且結論多來自實驗，還缺嚴謹的數學分析。但它的架構特別適合接上事件相機，往「低功耗、即時、仿生」的機器之眼再邁進一步。或許不久後，會閃、會躲的機器，真的能像動物一樣本能地保護自己與我們。

術語小辭典
1. 擴視感知（Looming Perception）：感覺到物體正朝自己接近的能力，動物用來即時閃避。
2. 脈衝神經網路（SNN）：模仿大腦、用一個個「放電脈衝」傳遞訊息的人工神經網路，比傳統網路更省電、更像生物。
3. ON／OFF 通道：生物視覺把「變亮」與「變暗」分開處理的兩條平行神經路徑。
4. 相位編碼（Phase Coding）：把影像訊號依時間先後轉成脈衝序列的一種編碼方式。
5. 漏積分放電神經元（LIF）：一種常用的神經元模型，訊號會慢慢累積又慢慢漏掉，累積夠了才「放電」。


撰寫者：林樂瑞


參考資料：Dai, Z., Fu, Q., Peng, J., & Li, H. (2024). "SLoN: a spiking looming perception network exploiting neural encoding and processing in ON/OFF channels". Frontiers in Neuroscience, 18, 1291053.

留言

張貼留言