机器人已经成为衡量一个国家科技竞争力的重要指标。机器人系统在机械工程、控制和人工智能技术等领域取得了进步。然而，当前机器人系统的性能仍然存在局限性，无法满足越来越多的应用需求。为了解决这些问题，研究人员构建了一个类脑智能机器人系统。

类脑智能机器人理论分析与系统应用

以中国科学院自动化研究所复杂系统管理与控制国家重点实验室乔红教授为首的科学家团队，对类脑机器人研究链条的前沿工作进行了梳理。他们的研究发表在《机器智能研究》杂志上。

首先，他们介绍了视觉、决策、控制和身体结构方面的核心神经机制以及相应的类脑算法。然后他们介绍了软件和硬件系统集成。类脑机器人仿真平台集成了视觉、决策、运动控制等方面的类脑算法，为不同领域的研究人员提供了高效的工具。

硬件平台旨在模拟人体肌肉骨骼系统，提供物理系统来验证类脑算法的性能。

“类脑运动学习算法可以使用稀疏奖励来实现广义控制策略学习。通过这种方法，机器人可以在简单训练后完成一系列操作。系统鲁棒性来自冗余，抗干扰可以提高系统可靠性。”特殊的肌肉致动器提供非线性动力学和耦合反馈调制，可以减少控制输入和环境干扰的影响，”研究人员解释道。

此外，他们对下一代机器人技术的未来发展做出了假设。“下一代机器人可以开发出大量的类脑算法和新颖的肌肉骨骼结构。有机结构设计和硬件构建应该得到加强和强调。我们希望这一代机器人能够为脑机接口控制提供灵感和参考，“他们写。