為一個非常特定的目的定制芯片并不新鮮，但隨著公司和技術專家希望在功率和計算限制更保守的設備上進行更多的本地計算，而不是通過網絡連接將數據往返于大型數據中心。在這種情況下，該方法涉及創建超特定的芯片，這些芯片是根據機器人的物理布局和及其預期用途設計的。通過考慮機器人對周圍環境的感知、對其在這些環境中的位置的映射和理解，以及由上述映射和所需動作產生的運動規劃等方面的要求，研究人員可以設計出處理芯片，通過用硬件加速補充軟件算法，大大提高最后一個階段的效率。

　　大多數人經常遇到的硬件加速的經典例子就是圖形處理單元，或者說GPU。GPU本質上是一個專門為處理圖形計算操作任務而設計的處理器，比如顯示渲染和視頻播放。GPU之所以受歡迎，是因為幾乎所有的現代計算機都會運行到圖形密集型應用，但由于更多可定制和高效的小型芯片制造技術的出現，用于一系列不同功能的定制芯片最近變得更加流行。

　　現在MIT新聞介紹了Neuman機器人控制硬件芯片設計情況。該系統創建了一個定制的硬件設計，以最好地滿足特定機器人的計算需求。用戶輸入機器人的參數，比如它的肢體布局和各個關節的運動方式。Neuman系統將這些物理屬性轉化為數學矩陣。這些矩陣是 "稀疏的"，這意味著它們包含許多零值，這些零值大致對應于給定機器人特殊解剖結構下不可能的動作。

　　然后，該系統設計了一個專門的硬件架構，只對矩陣中的非零值運行計算。因此，所產生的芯片設計是量身定做的，以最大限度地提高機器人計算需求的效率。而這種定制化設計在測試中得到了回報。Neuman的團隊使用了一種現場可編程門陣列(FPGA)，這有點像介于完全定制芯片和現成CPU之間的中間點，它的性能明顯優于后者。

　　讓機器人對環境做出更快的反應并不僅僅是為了提高制造速度和效率，這也是為了讓機器人在人類與機器人并肩工作和協作的情況下更加安全地工作。這仍然是機器人技術在日常生活中更廣泛使用的重要障礙，這意味著這項研究可以幫助未來人類和機器人和諧共存。