盖世汽车讯 自动驾驶汽车和精密机器人利用先进的摄像头、计算机算法和人工智能来感知周围环境，但这些“人工视觉系统”在混合光照条件下难以保持可靠性。据外媒报道，由宾夕法尼亚州立大学（Penn State）一位工程师共同领导的研究团队提出一种解决方案，该方案通过模仿人眼的运作机制，能够在几秒钟内适应从明亮到昏暗的光线环境。

他们通过调整这些光学系统中一个主要电子元件的构造来实现这一目标，采用了一种新的设计，该设计能够根据光照强度吸水膨胀或脱附。相关论文发表于期刊《Nature Communications》，它为构建能够比人类更快、更灵活地处理光数据的系统指明了方向。

图片来源：Jia Zhu

这些改进后的元件被称为记忆电阻器，或称“忆阻器”——一种微型电子器件，即使移除为应用供电的原始电源，该器件也能在系统中存储信息或数据。这些器件模拟了大脑中神经元处理和存储数据的复杂方式。

光忆阻器（photomemristor）是一种能够感知和收集光信息，然后将其转换为电流的忆阻器，这一过程可以更有效地为先进的摄像头和光学系统供电。

该论文共同通讯作者Larry Cheng表示，传统的光忆阻器经过校准和优化，适用于稳定的光照条件。

虽然这使得系统在明亮和黑暗的环境中都能很好地工作，但在变化或混合光照条件下保持识别准确性却极具挑战。

Cheng解释说：“自动驾驶汽车在行驶过程中会接触到各种光照强度——想象一下夜间行驶时，漆黑的夜空与其他车辆明亮的车灯形成的鲜明对比。在这种混合光照条件下，人工光学系统很难区分细节，例如红色灯光的光芒。”

该装置如何模拟视觉

在人眼中，一系列视杆细胞和视锥细胞帮助调节视觉以适应不同的光照条件。视杆细胞中的特定色素使眼睛即使在黑暗中也能分辨细节。然而，在强光下，视杆细胞中的这些色素会“漂白”，然后缓慢再生，而视锥细胞则保持活性，使眼睛能够辨别对比鲜明的细节。

研究团队推测，在光忆阻器中模拟这一过程，可以提供比传统设计更具适应性和更精确的监测能力。

为了实现这一目标，研究团队主要使用两种不同的材料来构建光忆阻器：一种是名为PEDOT:PSS的弹性凝胶状塑料；另一种是二氧化钛（TiO2），一种源自金属钛的白色粉末状化合物。

据Cheng介绍，TiO2能够捕捉环境中的光线并将其转化为电流，即光电流。该电压随后流经PEDOT:PSS的导电表面，调节这种塑料从周围环境中吸收的水分量。该材料在黑暗环境中会迅速吸收水分，而在光照条件下则会脱附水分，使PEDOT:PSS变干。这种特性使得该器件能够根据从环境中获取的光信息自动调节其灵敏度。

Cheng说道：“与通常针对单一静态场景开发的传统系统相比，这种关键的设计差异使我们能够动态地适应不断变化的光照条件。通过模拟人眼的工作原理，我们可以制造出在混合光照环境下应用更加可靠的光忆阻器。”

混合光环境下的性能测试

研究团队首先将器件暴露于不同强度的紫外线（UV）下进行测试。测试表明，新型光忆阻器能够更高效、更准确地检测紫外线强度，且读数稳定，不受外部湿度影响。

这种灵活性和实用性体现在其小巧的封装尺寸上，每个光忆阻器的直径仅约0.5毫米（0.02 英寸），比信用卡略薄。

Cheng表示：“原则上，它们可以根据应用需求调整大小。通过将单个光忆阻器连接成阵列，我们可以在不增加光忆阻器尺寸的情况下更好地识别环境中的大型光模式，从而保持其灵活性。”

为了进一步评估这些组件，研究团队设计了一个类似于眼科医生进行的测试的实验。他们将4×4的光忆阻器阵列与神经网络（一种模拟神经元处理数据以识别模式的人工智能形式）集成在一起，构建了类似于汽车和机器人中使用的简易视觉系统。

随后，研究团队在一块大的LED背景幕布前，放置了一排排列成字母“F”形状的LED灯，这块背景幕布可以调节出不同的亮度和昏暗程度。Cheng解释说，之所以选择“F”，是因为它与传统视力测试中使用的字母“E”相似，但其更容易通过方向来区分。调整好灯光后，研究团队会指示视觉系统从背景幕布中准确识别出“F”字样。

经过七次训练迭代，该设备结合神经网络后，在混合光环境下识别字母图案的准确率超过95%。

Cheng表示：“我们的眼睛对不同的光照条件适应性更强，但这种调整需要20到30分钟才能完全完成。这些光忆阻器能够比人眼更快地适应光照条件，同时还能捕捉到外部环境的详细信息。”

潜在应用

未来，该团队计划将光忆阻器进一步开发成更大的多模态传感系统，能够同时解读来自环境的视觉和触觉数据。通过将多种传感方式集成到单个设备中，这些系统的功耗可以大幅降低。

Cheng表示：“未来，这项技术有望应用于辅助视障人士借助人工光学技术重获视觉。另一个潜在的应用是为现有的自动驾驶汽车系统赋能。它还可以在人机交互和协作中发挥重要作用，使工厂机器人等系统能够在黑暗或快速变化的环境中更好地运行。”