人类一旦在蹒跚学步时掌握了窍门，就变得非常擅长机器人学家口中所说的“运动规划”（motion planning）：在障碍物四周摸索，在一个塞满了东西的冰箱里准确地抓起一瓶饮料，或者把手伸到电脑屏幕后面摸到插线口并把缆线连接起来。

　　但是对于那些有多关节机械臂的机器人来说，运动规划是非常困难的，需要十分耗时的计算。在一个并没有为机器人特意优化设计过的环境中，让机器人捡起一个物品甚至需要数秒的计算。

　　杜克大学（Duke University）的研究人员研发了一种为运动规划特别设计的计算处理器，它的运算速度比现有的设备要快1万倍，而且其耗能则要低得多。这款新型计算处理器非常快，能够实时规划和执行。而且它功耗十分低，使其可以应用在包括几千个机器人的大规模制造环境中。

　　“当你在考虑一条汽车装配生产线时，整个环境是受到严格控制的，这样机器人可以不厌其烦地一遍遍重复相同的动作，”杜克大学计算机科学及电子和计算机工程助理教授George Konidaris表示。

　　“汽车的零部件每次都在同个地方，机器人被局限在笼中，这样就不会受到旁人的干扰。但是如果你的机器人进行实时运动规划，不管汽车零部件是不是在同一个地方，出乎意外地随意堆放在一起，还是有人从旁走过，它总能做出正确的动作。”

　　Konidaris表示，快速运动规划能够节省布置机器人周遭环境所需的时间和成本。他在6月20日在密歇根州安娜堡召开的“机器人技术：科学与系统工程”（Robotics：Science and Systems）的会议上展示了他的新研究。

　　运动规划领域的研究已经进行了30年，最近这个领域的新进展已经能把复杂机器人的规划时间减低到几秒的程度。除了几个特例以外，这些现有的方法一般依赖通用CPU，或是计算速度更快，但是非常耗能的图形处理器（GPU）。

　　杜克大学的团队却造出了一种专门为运动规划设计的新型处理器。

　　“通用CPU善于处理多种任务，但是却无法和精于单一任务的处理器相媲美，”杜克大学电气和计算机工程和计算机科学教授Daniel Sorin表示。

　　Konidaris和Sorin的团队让该处理器能够执行碰撞检测的任务，它是运动规划中最为耗时的部分。该处理器能够并行执行数以千计的碰撞检测任务。

　　Sorin表示，“我们对设计进行了优化，让硬件和功率预算专门服务于这些和运动规划相关的特定任务。”

　　这个技术的原理是这样的，把机械臂的操作空间分割成几千个被称为体积像素（voxel）的3D空间。然后该算法确定某个物体是否在预编程运动路径所涵盖的体素中。得益于特制的硬件，该技术能够同时检测数千个运动路径，然后用余下的“安全”选项整合出最短的可能运动路径。

　　“此前最先进的技术使用的是高性能的市售图形处理器，它们的功耗是200~300瓦特，”Konidaris表示，“即使如此，也需要几百毫秒，甚至几秒钟才能找到一个运动规划方案。我们设计的处理器所需不到1毫秒，耗能不到10瓦特。即使我们的速度不比他们的快，光节能这一块就可以给有几千，甚至几百万台机器人的工厂节省可观的成本。”

　　Konidaris进而表示，该技术为运动规划的应用打开了新思路。

　　“以前，运动规划是每个动作单独进行的，因为规划的过程非常慢，”Konidaris表示，“但是现在它的速度足够快，可以成为更复杂的规划算法的一部分，这个复杂规划算法或许能把几个简单的动作串联起来，或者能够对几个物体的动作进行预先推理规划。”

　　该新处理器的速度和能效为自动化领域带来了非常多的机会。Konidaris、Sorin和他们的学生十分看好该技术，并且为这项技术专门成立了一家公司RealtimeRobotics。