第 1 页 · 机器人怎样感知世界
想象一个会避障的小车。距离传感器把障碍物的位置变成可读的信号。小车的处理器读取这个信号,判断要不要减速。电机收到命令,改变小车的速度。本讲沿这三个环节展开:测量 → 计算 → 动作。
想象一个会避障的小车。距离传感器把障碍物的位置变成可读的信号。小车的处理器读取这个信号,判断要不要减速。电机收到命令,改变小车的速度。本讲沿这三个环节展开:测量 → 计算 → 动作。
按表从上往下读:第 1–2 周认识传感器与换能,第 3–4 周看微纳器件和制造,第 5 周学如何测性能、把读数换成真实单位,第 6 周学如何把信号接入系统。课表接着排了 Lab、AI 与机器人应用、综合复习和小组展示。
拿温度传感器串起来:温度使电阻变化 → 给电阻通电把它读成电压 → 用已知温度测一组电压 → 拟合电压到温度的关系 → 用温度读数控制风扇。表中小组写 3–5 人及每组 15 分钟,第 4 页另列 10 分钟含问答。老师在 11 月 20 日说每组发言 10 分钟,具体安排见小组展示与期末考试。
饼图的四块对应期中报告 20%、最终展示 40%、期末考试 30%、Lab 10%。每一项先换成百分制,再乘它自己的权重。
例如四项分别得 80、75、70、90:80 × 0.20 = 16,75 × 0.40 = 30,70 × 0.30 = 21,90 × 0.10 = 9。把四个贡献相加,得到 76 分。饼图面积随权重变化,展示是最大的一块。
课件给出两条选题路线。一条是研究具体的微型机械传感器,例如 MEMS 加速度计。另一条是研究由 MEMS 传感器或执行器组成的系统,例如课件举的自动驾驶 LiDAR。MEMS 指微机电系统,里面有微小的机械结构和电极等电气部件。加速度计的质量块受惯性作用会偏移,偏移使电容改变,电路读取变化后就能估计加速度。
本页写 3–5 人,鼓励人人发言,展示最多 10 分钟且含 1–2 分钟问答。11 月 20 日的口头安排说明了发言时间,问答安排查展示通知。
课件希望你能说明传感器为什么重要、技术怎样演变、各类传感器怎样工作、怎样按需求设计、怎样接入实际系统。用避障逐一代入:先问小车需要哪种信息,再选测距原理,再定最短和最远距离,最后检查输出格式、更新速度和电源能否与控制板配合。
发现同一个重物上午测得 5.0 N,下午测得 5.3 N,这就有了问题。先记录温度与读数,再用已知重物做校准。最后在不同温度下比较校准前后的误差,画出带单位的结果图。这页三层目标是看到问题、具备解决问题的能力、展示证据。
先把「被测量」说清楚,它可以是力、距离、加速度、温度、光、声音或磁场。传感器把它转成能读取的信号。发生形式转换的部件叫换能器。
拿测力举例。力 拉伸弹簧,小形变下 ,所以位移 。再让读出电路把位移换成电压 。代入 ,有 。弹簧刚度 越大,同样的力拉得越短,电压变化也越小。这里 的单位是 V/m, 的单位是 N/m,除出来就是 V/N。
沿图上的虚线从感官看到大脑。相机和激光对应视觉,声呐和超声对应听觉,力和压力对应触觉,烟雾探测和 pH 测量分别给出部分嗅觉、味觉相关信息。它们都提供一类观测。
机械手抓杯子时,相机先提供杯子大致在哪,指尖传感器再告诉你碰上了没有、用了多大力。前者帮助找位置,后者帮助稳住抓握。
本页按感测元件是否需要额外激励分类。热电偶两端有温差时直接产生电压,压电片受力时产生电荷,本页称它们为 passive。应变片先随拉伸改变电阻,需要电路激励才能读出,本页称它 active。
比如恒流 流过应变片。拉伸前 ,拉伸后 。相减便得到 。若 mA、 Ω,就读出 2 mV 的变化。
课堂录音 Week 02 · Part 01 · 00:28:56–00:34:20 还谈到超声探头先发声、再听回波。这里按测量系统是否主动向外发射探测能量分类。
沿右图箭头走:刺激 → 感受器 → 感觉神经 → 大脑 → 运动神经 → 肌肉。把角色换到机器人里,就是外部物体 → 传感器 → 控制器 → 执行器。比如前方物体突然移近,测距器先读出较小的距离,控制器发减速命令,电机才改变转速。
从图里的输出往回看。传感器量到输出 ,控制器拿目标 减去它,得误差 。控制器据此给出动作 。动作使实际输出改变,下一轮再测。
用比例控制算一次。目标温度 30 °C,测到 27 °C,差 3 °C。设每差 1 °C 给 2 单位控制量,则 。升到 29 °C 后,差 1 °C,控制量变为 2。若传感器高报 2 °C,实际 28 °C 就会被读成 30 °C,此控制律算出的误差已经是零。
图把传感器和控制放进机器人与自动化的系统框。观测先进处理环节,控制再发动作。恒温器可以用固定规则直接做判断,视觉抓取也可以先用模型识别杯子,再由控制程序执行轨迹。
看一个具体接口:相机报像素坐标 。机器人运动用的是几十厘米或几百毫米。先从图像和深度求相机坐标,再变换成机械臂坐标,控制器才知道往哪里伸手。
从左边的 Input 读到 Processor,再看 Storage 和 Output。存储器中有程序和数据,处理器内部的算术逻辑单元 ALU 做加减、比较及逻辑运算。输入外设先把传感器的连续电压转成数字,输出外设再把处理器的命令送给外部电路。
比如程序读到 19 °C,ALU 比较 19 和 20,控制器按比较结果跳到「打开加热」的指令,输出脚改变电平。
左边 Colossus 是用于战时密码分析的早期电子计算机,右边 Lorenz 是相关密码设备。Colossus 的早期机器用了大量真空管。你可以把真空管先理解成「用一个电信号控制另一支路电流」的器件。把许多受控开关组织起来,就能把规则变成电路动作。后面第 26 页用晶体管看同一个基本思路。
PDF 中央是视频占位。对应第 15 页的两个观察点是机器如何接收输入,以及电子开关怎样让处理更快。
课件把 Tommy Flowers、Max Newman 和 Alan Turing 放在早期电子计算与密码分析的历史里。理解两种工作怎样衔接:数学把问题写成可以反复计算的步骤,工程把步骤落实到可靠的硬件。图灵测试是一种讨论机器交互表现的方式,图灵奖是计算机领域奖项。
从左向右读四代硬件:真空管、晶体管、集成电路、微处理器。先把单个受控开关改用更小的晶体管,再把大量元件做进一片集成电路,最后把处理器的主要部分集成到芯片内。下方的量子计算、云计算与神经网络是课件讨论的后续方向。它们侧重的分别是计算机制、资源部署、计算方法。
图里存储器保存二进制指令和数据。以下用「把两个数加起来」走一遍。
补码让同一套加法器也能处理负数。以四位为例, 写成 0011。逐位反转成 1100,加一得到 1101,这是四位的 。两者相加是 10000,保留低四位得到 0000。
指令和数据都要在 CPU 和存储之间搬运。若要搬 100 MB、有效传输速度为 50 MB/s,那么光搬运就要 s。计算只花 0.1 s 时,提速先看搬运路径。
本页的接口速率示例要先分清 bit 和 byte。1 byte = 8 bit,5 Gbit/s 除以 8 才得到 0.625 GByte/s 的线速换算值。机器上传到云端处理时,网络传输也要计进等待时间。
图里 Instruction memory 保存程序,Data memory 保存数据,两边有各自的传输路径。假设取一条指令和读一个数据都占一个周期。共用通道只能分两次传,独立通道有机会在一个周期同时传。到底能否重叠,还看这条指令有没有算完地址。
按照片标注找零件。读入设备把外部记录交给机器,控制读取部件排运算顺序,计算部件做运算,打字机把结果打印出来。把它们和第 19 页的输入、控制、ALU、输出配对,就能把老机器的硬件照片读成功能流程。
每个二进制位的权重从右到左为 1、2、4、8、16……。用除 2 取余把十进制 13 变成二进制。
四个二进制位正好有 种,能用一个十六进制位表示。0010 1101 分成高低两组,高组值 2,低组值 13,用十六进制字母 D 表示,所以结果是 2D。回到十进制可算 。
看 A+B。A、B 是要送去处理的数据,+ 告诉 ALU 做哪种运算。控制单元先决定走加法线路,再把 A、B 送入,最后保存结果。两位都是 1 时,个位写 0,向左进 1,写成二进制 10。图里的运放则是另一种电路图,用连续电压实现运算。
栅极 Gate 像水龙头手柄,控制源极和漏极之间是否容易导通。把两只理想开关串联,A、B 都闭合才有完整通路,这个导通条件是 AND。把它们并联,A 或 B 任意一只闭合就能导通,这个条件是 OR。下一步把每组输入的结果列成真值表。
| A | B | AND 与 | NAND 与非 | OR 或 | NOR 或非 | XOR 异或 | XNOR 同或 |
|---|---|---|---|---|---|---|---|
| 0 | 0 | 0 | 1 | 0 | 1 | 0 | 1 |
| 0 | 1 | 0 | 1 | 1 | 0 | 1 | 0 |
| 1 | 0 | 0 | 1 | 1 | 0 | 1 | 0 |
| 1 | 1 | 1 | 0 | 1 | 0 | 0 | 1 |
取一行做例子。输入 1、1,AND 输出 1,因为两个都为 1。XOR 输出 0,因为两者相同。NAND 对 AND 的结果取反,所以是 0。图形符号输出端的小圆点表示取反。
两输入相加有四种情况。00 → 0,01 → 1,10 → 1,11 → 10。先看结果的个位 。它只在两个输入不同的时候为 1,所以 。用图里的基础门搭法,可以写成 OR 的结果再和「并非同时为 1」相与。
再看高位 ,只有两个输入都是 1 才进位,所以 。
当前位还会收到低一位送来的 。沿图从左往右走。
原图亮线对应 A = 1、B = 1、进位输入 = 0。得到 、,再得 、,最后总进位是 1。把 B 改成 0、进位输入改成 1,会得到 、、、。结果同样是二进制 10,这次进位来自第二只半加器。
把前一页门电路收进方框,保留三根输入 和两根输出 。在整数意义下,它们满足 。三根输入全是 1 时,和为 3。用一份个位和一份权重为 2 的进位表示,就得到 。
从最右侧的最低位开始。第 0 位先算出 和 。把 送给第 1 位,得到 和 。一直传到第 7 位,剩下的 代表权重 。
例如 ,八个位都由 1 变为 0,最终 。把该进位保留就是 256,只读取低八位就得到 0。
| 从右数的位 | A 位 | B 位 | 收到的进位 | 三数之和 | 输出位 | 送出的进位 |
|---|---|---|---|---|---|---|
| 0 | 1 | 1 | 0 | 2 | 0 | 1 |
| 1 | 0 | 0 | 1 | 1 | 1 | 0 |
| 2–7 | 0 | 0 | 0 | 0 | 0 | 0 |
从第 7 位往第 0 位抄输出,得到 00000010。所以图中权重为 2 的灯亮。
两个 3 的二进制都是 00000011。
| 从右数的位 | A 位 | B 位 | 收到的进位 | 三数之和 | 输出位 | 送出的进位 |
|---|---|---|---|---|---|---|
| 0 | 1 | 1 | 0 | 2 | 0 | 1 |
| 1 | 1 | 1 | 1 | 3 | 1 | 1 |
| 2 | 0 | 0 | 1 | 1 | 1 | 0 |
| 3–7 | 0 | 0 | 0 | 0 | 0 | 0 |
读出 00000110,即 。与上一页相比,进位多走了一段,从第 1 位继续传给第 2 位。
寄存器暂存手边要用的数。总线是传数的线路,图上的 8-bit bus 每组能并行传八位。ALU做运算。控制器安排谁送数、做什么运算,以及结果写到哪里。
算 R1 + R2 时,控制器先把 R1、R2 的值送进 ALU 的两个输入,选择 ADD,再把输出写给 R3。沿图追这条路径,可以分清数据线和控制动作。
RAM 是按地址读写的存储器。图里有 256 个字节,如果每个地址指向一个字节,地址从 0 到 255。7 位只能表示 个位置,8 位有 个位置,所以需要 8 位地址。
一次执行可以分成:程序计数器给地址 → RAM 交出该处的指令 → 控制器译码 → 照指令读数据、运算和写回 → 更新程序计数器。程序和数据在存储器里都用位串表示,实际怎么解释由指令集和执行过程决定。
先看左侧 ALU、中间寄存器和控制线路、右侧存储阵列。再任选一个过程追,例如先找从存储器到寄存器的路径,再看寄存器如何送两个输入给 ALU。最后放大 ALU 的小块,联想到第 29 页的门电路。这样就能把逻辑门、加法模块、处理器三个层次接起来。
人用高级语言写条件和动作,处理器按指令集解释机器码。汇编用比较容易读的助记符写这些指令。CISC、RISC 是组织指令集的两类设计思路。
以这段控制逻辑为例:
temperature = read_sensor()
if temperature < 20:
heater_on()
第一行读取传感器并保存值。第二行比较读数和 20。读到 19 时条件成立,执行第三行发加热命令。读到 22 时条件不成立,跳过第三行。处理器执行时对应读输入、比较、条件跳转和写输出。
先定义成功是什么。扫地机器人的目标是覆盖地面并尽量少碰撞。它用距离和轮速观察环境,选前进或转向,用新的观测判断动作效果。换一个目标,例如只要求尽快到房间另一侧,就可能选不同的路线。
这页从自动机的早期想象讲到 1956 年 Dartmouth 会议。把「机器理解房间」一步步变成工程任务:先把房间切成小网格,再给每格存一个能否通过的状态,用测距观察更新状态,最后根据网格找可行路径。愿景需要先变成明确的表示,规则才有可以计算的对象。
课件用两段经费与关注降温的时期解释 AI 寒冬,也列了 Deep Blue 下棋、Watson 问答和聊天测试的例子。读事件时同时看任务的输入、输出和评价。下棋用局面作输入,输出落子,以胜负评价。问答用问题作输入,输出答案,以正确率等指标评价。机器人还要跟踪自己的动作怎样影响真实环境。
阶梯图沿时间列事件。由计算机变快这一点可以推一层:每秒做的运算更多,同一小时内能处理更多数据或尝试更多模型。设备更便宜则让更多人能开展实验。阶梯的高低用于排故事,图里没有一条可读能力倍数的纵轴。
从图灵测试与 Dartmouth 会议,到专家系统、棋类、Roomba、Siri、AlphaGo,沿原图时间线找每种系统输入什么、输出什么。专家系统用规则处理领域信息。棋类程序从棋局选择落子。Roomba 根据传感读数决定运动,将算法接上了现实中的执行器。
图用各时代的代表方法串起规则、机器学习、深度学习、深度强化学习和分布式智能体。用训练输入记差别:分类常用「照片 + 正确类别」作为示例。强化学习观察「做动作后得到什么反馈」。多智能体还会考虑多个决策者之间如何交互。深度学习用多层模型,可以同时用于分类或强化学习。
照片把 Geoffrey Hinton 与视觉学习联系起来。具体链路是光照到图像传感器 → 读成一格格像素数值 → 模型对像素阵列做计算 → 输出类别或位置。举例来说,相机让机械手看到一堆物体,模型先定位杯子,控制程序再按位置执行抓取。