为一个非常特定的目的定制芯片并不新鲜，但随着公司和技术专家希望在功率和计算限制更保守的设备上进行更多的本地计算，而不是通过网络连接将数据往返于大型数据中心。在这种情况下，该方法涉及创建超特定的芯片，这些芯片是根据机器人的物理布局和及其预期用途设计的。通过考虑机器人对周围环境的感知、对其在这些环境中的位置的映射和理解，以及由上述映射和所需动作产生的运动规划等方面的要求，研究人员可以设计出处理芯片，通过用硬件加速补充软件算法，大大提高最后一个阶段的效率。

大多数人经常遇到的硬件加速的经典例子就是图形处理单元，或者说GPU。GPU本质上是一个专门为处理图形计算操作任务而设计的处理器，比如显示渲染和视频播放。GPU之所以受欢迎，是因为几乎所有的现代计算机都会运行到图形密集型应用，但由于更多可定制和高效的小型芯片制造技术的出现，用于一系列不同功能的定制芯片最近变得更加流行。

现在MIT新闻介绍了Neuman机器人控制硬件芯片设计情况。该系统创建了一个定制的硬件设计，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，比如它的肢体布局和各个关节的运动方式。Neuman系统将这些物理属性转化为数学矩阵。这些矩阵是 "稀疏的"，这意味着它们包含许多零值，这些零值大致对应于给定机器人特殊解剖结构下不可能的动作。

然后，该系统设计了一个专门的硬件架构，只对矩阵中的非零值运行计算。因此，所产生的芯片设计是量身定做的，以最大限度地提高机器人计算需求的效率。而这种定制化设计在测试中得到了回报。Neuman的团队使用了一种现场可编程门阵列（FPGA），这有点像介于完全定制芯片和现成CPU之间的中间点，它的性能明显优于后者。

让机器人对环境做出更快的反应并不仅仅是为了提高制造速度和效率，这也是为了让机器人在人类与机器人并肩工作和协作的情况下更加安全地工作。这仍然是机器人技术在日常生活中更广泛使用的重要障碍，这意味着这项研究可以帮助未来人类和机器人和谐共存。