实时处理视觉传感器提供的连续高维信号，并从中抽绎出与行为相关的信息，这不仅需要强大的计算能力，而且需要复杂的算法。

　　感知系统对于动物的生存和竞争是至关重要的。它不仅要完成由外界输入到内部的复杂转换工作，而且还必须有效地完成这一工作。机器人的感知系统也是这样。因而，开发机器人的感知系统就面临着两个挑战：一方面，需要有动物感知系统的灵活性、复杂性和适应性；另一方面，需要有简洁高效的计算能力。而神经形态的传感器是用模拟电路实现生物系统功能的专用传感器，在建立人工感知系统、仿真生物视觉时，这些电路是非常实用的。

　　数字视觉传感器

　　传统的机器人视觉系统是由两部分连接而成的，一部分是传统的CMOS或CCD摄像机，另一部分是执行机器视觉算法的数字处理系统，它们的系统结构或者是通用串行的或者是松散并行的。以此为基础，视觉问题的求解取得了重要进展，如3D景物的重建、目标识别、纹理分析与合成、目标跟踪等等。在实时视觉驱动的汽车控制研究方面也取得了进展，如所研制的自动汽车以130公里/小时的速度在公路上行驶时，可以沿道行驶，避免相撞，甚至还可以超车。然而，传统的数字机器视觉系统相对于机器人的实际应用而言，能耗和尺寸过大、价格过高，而且几无例外地不切实用。

　　模仿大自然

　　大自然的进化提供了许多处理视觉的优秀方案。苍蝇、蜜蜂、蟋蟀等昆虫以及鸟类、更高等的动物，在躲避障碍、接近目标、逃跑、着陆、回巢、觅食等日常活动中依赖的主要是视觉信息。昆虫更令机器人望尘莫及：它们的视觉系统仅有100万个神经元，重约0.1毫克，但功能却相当完善。

　　生物系统很容易就能完成的视觉功能，机器人却只能在简化的环境中完成其中极小一部分，如机器人只能躲避固定大小或颜色的障碍物，在均匀背景的地板上沿着高对比度的直线行走，跟踪特定形状的目标等。造成这种现象的原因，一方面是由于现有的机器人还不能简便有效地利用视觉中各式各样的启发信息，另一方面是由于我们对这些启发信息制导行为的过程了解的不多。这也提示我们，庞大而昂贵的通用机器视觉系统方案是不适用的；取而代之，我们应开发各式各样小巧价廉、专用目的的视觉传感器，如运动方向传感器、速度传感器、跟踪传感器等来预处理视觉输入。这些感知传感器可将高维感知输入数据转换为包含相关信息的低维数据。

　　视觉传感器

　　人工感知系统的神经形态方案是在模拟电路上实现生物系统的特定感知功能。这些电路是并行异步的，具有实时的响应时间。机器人装配上这些电路接口后，在模拟昆虫的回巢和利用化学、趋声策略方面取得了惊人的成果。采用大规模集成电路技术（VLSI）开发的这类感知处理系统，体积小，密度高，可把完成生物感知处理功能的模拟电路集成在单个芯片或多个芯片的系统中，我们称这类芯片或系统为神经态模拟大规模集成系统。这些电路工作在截止态，每个晶体管可仿真神经元或神经系统。由于具有生物学意义上的相似性，随着CMOS大规模集成电路价格的持续下降，采用神经态模拟大规模集成电路合成神经态传感器是一有效方法。

　　模拟生物视觉

　　神经形态的视觉芯片是由模拟生物视觉系统初级阶段功能的电路组成的，它直接处理焦平面上的图像。在视网膜中，局部联结的视网膜受体和神经元完成早期的视觉处理工作；在神经形态的视觉芯片中，分布在硅表面上的感光器、存储单元和计算单元联合组成类似的结构，可实时地处理各种连续的、模拟的亮度信号。

　　高度分布的模拟计算过程较通用数字计算过程要有效的多。如神经形态的视网膜，尽管带宽有限，仍可处理各种规模的视觉输入。这一优异性能是由于采用了大量简单而并行的局部参考值与全局统计平均值不断比较的运算来完成的。

　　配备神经形态传感器的机器人

现在，各式各样的神经形态传感器已在机器人上进行了测试。采用传统或数字-模拟传感器的综合机器人系统的研究，加深了对昆虫行为和神经控制机制的理解。因而，将神经形态传感的系统器应用于这类机器人系统，在不使用工作站和数字信号处理器（DSP）的情况下，就可建立更加复杂和有效。

　　运动线索为导航提供了极为丰富的信息，分析运动线索的神经形态芯片也如雨后春笋般层出不穷，其中一个令人感兴趣的芯片——模拟苍蝇的视觉系统，可简化运动控制过程。苍蝇在选择目标、保持飞行稳定性和追踪目标过程中，都应用了基于视觉运动线索分析的视觉运动控制机制。瑞士洛桑树袋熊研究小组研制的树袋熊机器人，就是基于苍蝇广角的方向选择性的细胞模型。芯片电路合成基本运动检测器的结果，形成两个输出：一个是视野中首选的运动方向，一个是背景方向。机器人的运动控制系统应用这些低维的输出结果可产生类似于苍蝇的目标锁定和视觉运动反应，从而得到航行的稳定性。据神经形态工程研讨年会报道，神经形态的运动检测芯片已用在飞行机器人的空气动力学感应接口上以处理视觉运动反应。

　　自主导航

　　自主导航研究的主要目标是设计可方便安全地在自然环境中导航的自主机器人。现开发的一类神经形态传感器是通过分析绝对亮度来跟踪目标，而另一些神经形态传感器则通过分析相对亮度差来选择目标。无论哪种传感器，都可有选择地减少向运动控制阶段输出的视觉数据，而只传输相关的数据。这可节省通讯带宽，简化控制，降低反应延时，对导航来说是求之不得的。随着神经形态芯片集成的功能不断增加，越来越多的自主机器人会选择这些芯片，从而成功地实现自主导航。

　　神经形态传感器的计算体系结构、高处理能力、小尺寸和低功耗等特点使得它在建构仿生的人工传感系统中颇具吸引力，同时它也可用来代替专用的数字信号处理器，特别是用于自主机器人只需定性处理的视觉任务中。