Los investigadores chinos han desarrollado un chip neuromórfico que ayuda a los robots a monitorear y responder al movimiento instantáneamente, con una velocidad cuatro veces superior a la del ojo humano. En detalle, un equipo de investigación de la Universidad de Beihang y el Instituto de Tecnología de Beijing diseñó con éxito un chip inspirado en el cuerpo geniculado lateral, una región cerebral ubicada entre la retina y la corteza visual que actúa como un relé y filtro, permitiendo que el sistema visual humano concentre su energía de procesamiento en objetos en movimiento rápido. Los sistemas de visión robótica tradicionales dependen de cámaras que capturan fotogramas estáticos y rastrean el movimiento mediante cambios en el brillo entre fotogramas, pero este método tarda más de medio segundo en procesar un fotograma, un retraso que podría causar desastres en aplicaciones como vehículos autónomos a alta velocidad. Según 'Indian Express', los investigadores diseñaron una unidad neuronal especializada que monitorea los cambios de luz con el tiempo, lo que permite que la visión robótica procese el movimiento instantáneamente y concentre su capacidad de procesamiento en áreas donde ocurre el movimiento. Los experimentos realizados en simulaciones de conducción y el uso de brazos robóticos para realizar tareas complejas mostraron que el chip redujo el retraso de procesamiento en un 75% y duplicó la precisión del seguimiento de movimiento en comparación con métodos anteriores. El equipo de investigación confirma que el estudio eleva la velocidad de análisis de video a niveles que superan la capacidad humana al aplicar principios de procesamiento visual cerebral a un chip de semiconductor, y puede emplearse en la prevención de colisiones en vehículos autónomos y el seguimiento instantáneo de objetos en drones, así como en campos que requieren que los robots lean y respondan instantáneamente a gestos humanos. El chip enfrenta algunos desafíos en entornos visualmente saturados donde ocurren múltiples movimientos simultáneos, ya que depende de algoritmos de flujo óptico para interpretar la imagen final, pero podría ser útil en entornos domésticos donde los robots necesitan monitorear cambios pequeños como gestos y expresiones faciales, haciendo la interacción humano-robot más natural.
