麻省理工学院的目标是使用定制芯片来加快机器人运动速度，以适应机器人的思想

专为特定目的量身定制的定制芯片并不是新产品-如果您使用的是现代iPhone，那么您现在可以在该设备中使用它。但是，随着公司和技术人员希望在具有更保守的功能和计算约束的设备上进行更多本地计算，而不是通过网络连接将数据往返传输到大型数据中心，它们变得越来越受欢迎。

在这种情况下，该方法涉及创建基于机器人的物理布局及其预期用途而设计的超专用芯片。通过考虑机器人对周围环境的感知，对周围环境的映射和对其位置的理解以及根据该映射及其所需动作产生的运动计划方面的要求，研究人员可以设计出可以大大增加处理能力的芯片通过用硬件加速补充软件算法来提高最后阶段的效率。

大多数人经常遇到的硬件加速的经典示例是图形处理单元或GPU。 GPU本质上是专门为处理图形计算操作（例如显示渲染和视频播放）而设计的处理器。 GPU之所以受欢迎，是因为几乎所有现代计算机都可以在图形密集型应用程序中运行，但是由于出现了更多可定制和高效的小批量芯片制造技术，用于各种不同功能的定制芯片近来变得越来越流行。

根据MIT新闻，这是Neuman系统在优化用于机器人控制的硬件芯片设计时的工作方式的描述：

该系统创建定制的硬件设计，以最好地满足特定机器人的计算需求。用户输入机器人的参数，例如其肢体布局及其各种关节如何移动。诺伊曼的系统将这些物理特性转换为数学矩阵。这些矩阵是“稀疏”的，这意味着它们包含许多零值，这些值大致对应于机器人特定的解剖结构不可能发生的运动。 （类似地，手臂的运动受到限制，因为它只能在某些关节处弯曲-它不是无限柔韧的意大利面条。）

然后，系统设计专门用于仅对矩阵中的非零值进行计算的硬件体系结构。因此，对最终的芯片设计进行了定制，以最大程度地提高效率，从而满足机器人的计算需求。这种定制在测试中获得了回报。

诺伊曼（Neuman）的团队使用了现场可编程门阵列（FPGA），有点像完全定制芯片和现成CPU之间的中点，并且其性能明显优于后者。这意味着如果您实际上是从头开始定制芯片，则可以期望获得更大的性能提升。

使机器人对环境做出更快反应，不仅可以提高制造速度和效率，而且还能做到。 这还涉及到在人们直接与他们并肩协作的情况下使机器人使用起来更加安全。 这仍然是在日常生活中更广泛使用机器人技术的重大障碍，这意味着这项研究可以帮助人类与机器人和谐共处，从而开启科幻的未来。