刘胜：《人形机器人需要“大脑”与“小脑”精密协作》
作者：刘胜（中国科学院院士，武汉大学集成电路学院院长）
当前，人形机器人正以颠覆性姿态重塑未来图景，凭借深度融合人工智能、高端制造与新材料等尖端科技，有望成为继计算机、智能手机、新能源汽车后的颠覆性、平台性产品，是全球科技竞争的新赛道。
人形机器人的大小脑控制系统，是实现人工智能技术的核心组件。“大脑”负责环境感知与决策，整合来自触觉传感器、摄像头、激光雷达等设备的信号；“小脑”则专注于运动传感，控制动作生成，主要依赖力传感器与惯性传感器的数据反馈。与人类模糊的控制机制不同，机器人通过量化传感数据并持续反馈，将复杂任务拆解为多个步骤，借助机器学习逐一完成。人形机器人大脑模拟人类的思考推理、交互沟通、任务理解与编排以及记忆能力，其核心技术依托高算力、高带宽的人工智能芯片（AI芯片）与多模态大模型。然而，研发AI芯片面临双重挑战：一方面需追求高AI算力，另一方面要保证高内存带宽。先进的芯片制程工艺虽能提升性能，但高密度设计导致功耗剧增；同时，多内存控制器的布局会占用大量芯片面积，难以实现合理配置。
要让机器人像人类一样感知世界并快速决策，AI芯片必须同时满足“算得快”与“传得快”的要求。传统芯片因中央处理器频繁调用外部存储器数据，存在能耗高、延迟大的问题，如同厨师反复往返厨房与仓库。为解决这一困境，芯片设计创新提出将外部存储移至芯片内部，使计算在芯片内完成，从而简化系统、降低通信开销、提升通信效率和模型推理速度。三维堆叠技术的应用，突破了传统芯片平面电路限制，通过减薄芯片并立体堆叠，增加集成度与内存带宽，在提升AI算力的同时优化芯片良率。这些技术革新为实现高效智能的机器人大脑奠定了基础。
人形机器人的“小脑”承担着类人运动控制的关键职能。当大脑AI芯片通过感知系统完成决策后，需与小脑进行高效通信，由小脑负责运动传感与动作生成。其核心要求体现在三个方面：第一，精确控制能力。小脑需融合多种传感器输入数据，对多个自由度进行综合判断与协调控制。要求将控制指令时延压缩至毫秒级，周期性抖动控制在微秒级，对电子器件与执行器的性能要求近乎极致。第二，高可靠性。为确保运动稳定性，小脑需采用冗余指令机制，同一指令多次发送，避免因单次信号传输失误导致动作偏差，同时，核心部件需达到航天级低失效率标准，确保长时间稳定运行。
当前机器人动作生硬卡顿的根源，正源于“小脑”的指令频率不足。若每秒仅发送一条运动指令，机器人动作必然呈现机械式顿挫；而当指令频率提升至每秒1000次，实时反馈位置、速度与力度参数时，机器人动作便可达到类人的流畅丝滑效果。这意味着，高性能的小脑芯片必须在快速响应、动作连贯性与极端可靠性之间实现完美平衡，而攻克这些技术难点，正是推动人形机器人运动控制技术突破的关键所在。
除了小脑芯片，与之匹配的运动训练模型也是机器人小脑系统迭代升级的关键。首先要利用人体虚拟现实技术在真实环境下进行数据采集，然后在云端虚拟环境中通过强化学习进行训练，之后再将学习成果部署到真实物理实体。这种训练方式有助于加快机器人的学习过程。武汉大学团队通过16台摄像机和三维测力平台，逐帧模拟人类行走的步态。当精密芯片遇上真实的人体运动数据库，机器人才能从机械的模仿者进化成会运动的生命体，才能真正走进千家万户
作者介绍：
刘胜：中国科学院院士，美国电气和电子工程师协会会士、美国机械工程师学会会士，武汉大学动力与机械学院院长、工业科学研究院执行院长、微电子学院副院长，教授、博士生导师，国家高技术研究发展计划（863计划）先进制造技术领域主题的专家组专家，国家杰出青年科学基金获得者。刘胜院士长期从事集成电路、LED 和微传感器封装及可靠性理论和前沿技术研究，在微纳制造科学与工程技术方面（集成电路、发光二极管LED、微传感器及电力电子IGBT等芯片封装）取得了系统的创新成果。主持多项国家重大科研仪器研制项目、国家重点研发计划项目等多项国家级重点重大项目。发表SCI论文400多篇，SCI论文他引7500余次，合作出版专著6部（英文4部），授权发明专利176项，被 30 多个国家的著名学者（包括 70 余名国际学会会士和 10 余名中国和美国院士）广泛引用。以第一完成人获2020年国家科学技术进步一等奖、2016年国家技术发明二等奖、2015年教育部技术发明一等奖、2018年电子学会技术发明一等奖、2009年IEEE国际电子封装学会杰出技术成就奖（全球每年1人，国内首人）、2009年中国电子学会特别成就奖、1997年国际微电子及封装学会（IMAPS）技术贡献奖、1995年美国总统教授奖（当年30人），1999年入选首批国家杰青（海外）项目（当年仅7人）。
