Многоэтапная система фильтра Калмана для слияния датчиков, интегрированная с мемтранзистором на MoS2, обладающим 1024 уровнями проводимости

Более умная сенсорика для безопасных самоуправляемых автомобилей

Современные самоуправляемые автомобили опираются на множество датчиков, чтобы понимать дорогу, но быстро и эффективно объединять всю эту информацию крайне сложно. В этом исследовании показано, как новый тип миниатюрного электронного устройства — мемтранзистор — может ускорить и упростить процесс слияния данных (sensor fusion). Перенеся ключевые вычисления с громоздких цифровых чипов в компактное аналоговое аппаратное обеспечение, авторы значительно сократили потребление энергии и задержки, что ведёт к более безопасным и отзывчивым автономным системам, способным справляться с плохой погодой, закрытыми обзором участками и оживлёнными улицами.

Почему много глаз лучше, чем один

На современных испытательных треках и шоссе автономные транспортные средства наблюдают мир с помощью комбинации камер, лазерного дальномера (LiDAR), миллиметроволнового радара и датчиков движения, отслеживающих положение автомобиля. У каждого из них есть свои сильные и слабые стороны: LiDAR может быть закрыт грузовиками или зданиями, радар плохо справляется с мелкими деталями, а датчики движения при работе в одиночку постепенно сдвигаются от истины. Чтобы получить надёжную картину окружающего движения, автомобиль должен совместить эти несовершенные наблюдения в единый согласованный прогноз о том, где находятся объекты и как они движутся. Математический инструмент под названием фильтр Калмана стал рабочей лошадкой для выполнения этой задачи в реальном времени, но в традиционной форме он работает на цифровых процессорах, которые тратят энергию и вносят задержки при многократной пересылке данных между аналоговыми датчиками и цифровой логикой.

Новый тип электронного строительного блока

Команда решает эту задачу с помощью устройства, созданного из одного атомарного слоя полупроводника дисульфида молибдена (MoS₂). Их мемтранзистор сочетает в себе функции элемента памяти и транзистора в одной трёхконтактной структуре, проводимость которой можно плавно настраивать и сохранять даже при отключённом питании. Тонко управляя крошечными вакансиями в атомной решётке материала при помощи электрического поля, устройство надёжно удерживает 1024 различных уровня проводимости в широком диапазоне и сохраняет их более года. Не менее важно то, что эти уровни изменяются почти по линейному закону при изменении управляющего напряжения, что позволяет напрямую отображать требуемый математический вес в фильтре Калмана на физическую настройку мемтранзистора.

Преобразование математики в аппаратное обеспечение

Опираясь на это устройство, исследователи разработали аналоговую версию многоэтапного фильтра Калмана, которая работает напрямую с напряжениями датчиков, а не с цифровыми числами. Схема состоит из трёх последовательно соединённых стадий, оценивающих положение, скорость и ускорение транспортного средства. Внутри каждой стадии базовые операции — такие как вычитание, интегрирование, сложение и дифференцирование — выполняются компактными аналоговыми модулями. Ключевой коэффициент «усиления», который определяет, насколько фильтр доверяет новым показаниям датчиков по сравнению со своими предсказаниями, реализован с помощью проводимости мемтранзистора. Простым изменением напряжения затвора система плавно меняет, насколько сильно она учитывает данные LiDAR, радара или датчиков движения, без необходимости переписывать какое-либо программное обеспечение.

Сценарии вождения и сложные условия

Чтобы показать работу в реальных условиях, команда реализовала полную трёхэтапную схему на печатной плате, заполненной их устройствами на MoS₂ и стандартными аналоговыми компонентами. Они подали реалистичные, зашумлённые сигналы, имитирующие показания LiDAR, радара и датчиков движения при перестроении с обгоном на шоссе. По мере прохождения сигналов через каждую стадию выходы становились чище, давая согласованные оценки положения, скорости и ускорения при сохранении резких изменений, важных для безопасности, например при экстренном торможении. Система особенно впечатляет, когда один из датчиков становится ненадёжным или закрыт — например, когда грузовик временно скрывает другой автомобиль от LiDAR. Понизив аппаратно усиление, связанное с скомпрометированным датчиком, аналоговый фильтр автоматически смещает доверие к оставшимся входам и к предыдущим моделям движения, сохраняя оценки скорости и ускорения плавными и физически реалистичными.

Быстрее и экономичнее «мозги» для машин

По сравнению со стандартной цифровой реализацией той же задачи фильтрации, аналоговая система на основе мемтранзисторов потребляет примерно в 13 раз меньше энергии и выполняет расчёты примерно в 59 раз быстрее, при этом обрабатывая сразу три ключевые переменные движения. Поскольку эти устройства компактны, стабильны и совместимы с крупносерийным производством, подход наводит на мысль о будущих блоках «в сенсоре» или «рядом с сенсором», которые можно разместить близко к камерам и радарам в автомобилях, дронах и других подключённых машинах. Для неспециалиста основной вывод таков: позволив физике продвинутых материалов выполнять часть математической работы, инженеры могут создавать более умные, быстрые и эффективные электронные «мозги», которые помогают автономным системам надёжно ориентироваться, даже когда обзор мира далек от идеального.

Цитирование: Tan, T., Guo, H., Wang, S. et al. Multi-stage Kalman filtering system for sensor fusion integrated with MoS₂ memtransistor featuring 1024 conductance levels. npj 2D Mater Appl 10, 31 (2026). https://doi.org/10.1038/s41699-026-00672-7

Ключевые слова: автономное вождение, слияние данных датчиков, фильтр Калмана, мемтранзистор, аналоговые вычисления