据EurekAlert! AAAS报道，尽管自动驾驶汽车和精密机器人利用先进的摄像头、计算机算法和人工智能（AI）来感知周围环境，但这些“人工眼睛”在混合光照条件下难以保持可靠性。一个由宾夕法尼亚州立大学一位工程师共同领导的研究团队提出了一种解决方案，该方案模仿人眼的运作机制，能够在几秒钟内适应从明亮到昏暗的光线环境。
他们通过调整这些光学系统中一种主要电子元件的构造方式来实现这一目标，采用了一种新的设计，该设计能够根据光照强度吸水或吸水膨胀。这项研究成果已发表在《自然通讯》（Nature Communications）杂志上，它为构建能够比人类更快、更灵活地处理光数据的系统指明了方向。
这些改进后的元件被称为记忆电阻器，或称“忆阻器”——一种微型电子器件，即使移除为应用提供电源的原始电源，也能在系统中存储信息或数据。这些器件模拟了大脑中神经元处理和存储数据的复杂方式。光忆阻器是一种能够感知和收集光信息并将其转换为电流的忆阻器，这一过程可以更有效地为先进的相机和光学系统供电。
宾夕法尼亚州立大学工程科学与力学系该论文的共同通讯作者Larry Cheng表示，传统的光敏忆阻器经过校准和优化，适用于稳定的光照条件。虽然这使得系统在明亮和黑暗的环境中都能良好工作，但在光照变化或混合的环境下保持识别精度却是一个挑战。
Larry Cheng解释说：“自动驾驶汽车在使用过程中会接触到各种不同的光照条件——想象一下夜间行驶时，漆黑的夜空与其他车辆明亮的车灯之间的对比。在这种混合光照条件下，人工光学系统很难分辨细节，例如红色灯光的光芒。”
在人眼内部，一系列视杆细胞和视锥细胞帮助调节视觉以适应不同的光照条件。视杆细胞中的特定色素使眼睛即使在黑暗中也能分辨细节。然而，在强光下，视杆细胞中的这些色素会“漂白”，然后缓慢再生，而视锥细胞则保持活性，使眼睛能够辨别对比鲜明的细节。研究团队推测，在光忆阻器中模拟这一过程，可以提供比传统设计更具适应性和精确性的监测。
为了实现这一目标，研究团队主要使用两种不同的材料构建光忆阻器：一种是名为PEDOT:PSS的弹性凝胶状塑料；另一种是二氧化钛（TiO2），一种源自金属钛的白色粉末状化合物。据程教授介绍，TiO2可以捕获环境中的光并将其转化为电流，即光电流——该电压随后会流经PEDOT:PSS的导电表面，并调节塑料从周围环境中吸收的水量。
Larry Cheng表示，这种材料在黑暗环境中能迅速吸收水分，在光照条件下则会解吸水分，从而使PEDOT:PSS干燥。这种特性使得器件能够根据从环境中获取的光信息自动调节其灵敏度。
Larry Cheng表示：“这种关键的设计差异使我们能够动态适应不断变化的光照条件，而传统的系统通常是为单一静态场景开发的。通过模仿人眼的工作原理，我们可以制造出在混合光照环境下应用更加可靠的光忆阻器。”
研究团队首先将器件暴露于不同强度的紫外线(UV)下进行测试。测试表明，新型光敏电阻能够更高效、更准确地检测紫外线强度，且读数不受外部湿度影响。这种灵活性和实用性体现在其小巧的体积上，每个光敏电阻的直径仅为半毫米——比信用卡厚度还要薄一些。
Larry Cheng表示：“原则上，它们可以根据应用场景进行放大或缩小。通过将单个光敏电阻连接成阵列，我们可以在不增加光敏电阻尺寸的情况下更好地识别环境中的大面积光模式，从而保持其灵活性。”
为了进一步评估各个组件，研究团队设计了一个类似于眼科医生进行的测试的实验。他们将一个4×4的感光电阻阵列与神经网络（一种模拟神经元处理数据以识别模式的人工智能形式）集成在一起，创建了一个类似于汽车和机器人中使用的简易视觉系统。然后，研究团队在更大的LED背景前放置了一系列呈“F”字形的LED灯，并能够调节背景灯的明暗程度。程教授解释说，这是因为“F”与传统眼科检查中使用的“E”字相似，但更容易辨别方向。调整好灯光后，研究团队会指示视觉系统从背景灯中准确识别出“F”字。
经过七次训练迭代后，该设备与神经网络结合，能够在混合光线环境下以超过95%的准确率识别字母模式。
Larry Cheng说：“我们的眼睛对不同的光照条件适应能力更强，但这种调整需要20到30分钟才能完全完成。这些光忆阻器适应光照条件的速度比人眼快得多，同时还能捕捉到外部环境的详细信息。”
未来，该团队计划进一步开发光忆阻器，使其成为更大、多模态的传感系统，能够同时解读来自环境的视觉和触觉数据。通过将多种传感方式集成到单个设备中，可以大幅降低这些系统的功耗。
Larry Cheng表示：“在遥远的未来，我们或许可以看到这项技术被应用于辅助视障人士通过人工光学设备重见光明。”他还解释说，这项技术的另一个潜在应用是为现有的自动驾驶汽车系统提供动力。“它也能在人机交互和协作方面发挥重要作用，使工厂机器人等系统能够在黑暗或快速变化的环境中更好地运行。”
