本发明涉及智能机器人领域，尤其涉及人工神经网络芯片及配备人工神经网络芯片的机器人。
背景技术：
自2013年起，我国已成为全球最大的机器人消费国。根据国际机器人联合会(IFR)的统计报告，当年全球工业机器人销售量约18万台，其中在中国销售量约3.7万台，且在未来5年内市场增速有望保持在每年40％以上。自动化与智能化正在成为不少企业生产线的理性选择，大量工业机器人开始在制造业的流水线上闪亮登场。机器人一般由机械部分、传感部分、控制部分三大部分组成，这三大部分可分成驱动系统、机械系统、感受系统、机器人-环境交互系统、人机交互系统、控制系统这六个子系统，如图1所示。控制系统，作为机器人的大脑核心，是机器人研究领域的关键技术之一，在机器人控制中具有举足轻重的地位。在现有技术中，机器人控制系统一般由一台或多台微型计算机构成以完成对机器人的控制，这类机器人均存在明显缺点。首先，复杂的控制系统必须由专业的编程人员对机器人进行编程，编程好之后才能进行实际作业，一旦作业发生改变，就必须对机器人重新编程才能继续作业，这使得编程人员的负担大大增加。其次，不同厂商的机器人控制系统平台和标准往往是不一样的。例如，Saphira是SRI国际人工智能中心在20世纪90年代开发的机器人控制系统，支持Unix和Windows平台，采用C语言开发；TeamBots是一个基于JAVA的应用程序和开发包集合；国内最早的机器人系统是沈阳自动化研究所研制的OSMOR系统，它是基于Windows操作系统的开放式体系结构。可见，不同厂商的机器人的编程语言和系统结构都不一样，这无疑进一步使编程人员的工作变得困难。再次，简单的人机交互系统无法精准控制机器人，譬如清洁机器人，由于作业目标经常发生变化，就不断需要对机器人进行控制调整，但是又不能做到精确调整，使得作业效果并不理想。最后，传统的机器人以CPU或MCU为底层控制硬件，虽然具备一定存储功能，但是远远不能实现自我学习的功能，因此这样的机器人不会因为用户使用时间的增加而变得更“聪明”。因此，传统机器人仍然有待改进。所以，提供一种能够进行自我学习和认知的芯片或机器人，成为目前亟待解决的问题。
技术实现要素：
鉴于上述问题，本申请记载了一种人工神经网络芯片，所述芯片包括硅衬底和3D存储阵列，在所述硅衬底和所述3D存储阵列之间设置有外围逻辑电路和人工神经网络电路。
较佳的，所述芯片基于3D非易失性存储器工艺制备。
较佳的，采用前道工艺制程实现所述3D非易失性存储器的外围逻辑电路以及所述人工神经网络电路。
较佳的，在所述硅片之上采用后道工艺垂直堆叠多层数据存储单元以形成所述3D存储阵列。
较佳的，所述3D非易失性存储器为3DNAND存储器或3D相变存储器。
本发明还提供了一种配备人工神经网络芯片的机器人，所述机器人包括所述人工神经网络芯片。
上述技术方案具有如下优点或有益效果：本发明提出的所述人工神经网络芯片以3D非易失性存储器作为存储机制，具有超大容量的数据存储能力，而且即使掉电后数据依然能够保存。所述人工神经网络芯片的特点是采用硬件电路来模拟实现人脑功能，分布式、平行的方式来储存、处理信息，与人脑中的神经元和突触对信息的处理方式一致。因此本发明这种配备人工神经网络芯片的机器人能够实现像人类一样进行自我学习和认知，通过训练能够使机器人更加智能。因此，本发明这种配备人工神经网络芯片的机器人灵活性高，学习能力强，动态可调节，这是传统机器人无法办到的。
附图说明
参考所附附图，以更加充分的描述本发明的实施例。然而，所附附图仅用于说明和阐述，并不构成对本发明范围的限制。
图1为现有技术中机器人的结构示意图；
图2为本发明一种人工神经网络芯片的结构示意图；
图3位本发明一种配备人工神经网络芯片的机器人的结构示意图。
具体实施方式
下面结合附图和具体实施例对本发明一种人工神经网络芯片及配备人工神经网络芯片的机器人进行详细说明。
实施例一
如图2所示，本发明提出了一种人工神经网络芯片，该芯片包括硅衬底和3D存储阵列，在硅衬底的上方和3D存储阵列的下方采用前道工艺制程以实现3D非易失性存储器的外围逻辑电路和人工神经网络电路。
具体来说，所述人工神经网络芯片是基于3D非易失性存储器工艺制备，所述3D非易失性存储器的存储阵列采用非平面设计，在垂直方向上利用后道工艺制程(BEOL)堆叠多层数据存储单元以获得更高的存储密度，在更小的硅片面积内实现更高存储容量，因此成本和功耗都更低。在所述存储阵列的下方和衬底之上，采用前道工艺制程(FEOL)以实现所述3D非易失性存储器的外围逻辑电路以及人工神经网络电路。该3D非易失性存储器可以是3DNAND存储器或3D相变存储器。
本发明提供的人工神经网络芯片的特点是采用硬件电路来模拟实现人脑功能，分布式、平行的方式来储存、处理信息，与人脑中的神经元和突触对信息的处理方式一致，这是以计算机结构为基础的普通机器人所无法比拟的。所述人工神经网络芯片以3D非易失性存储器作为存储机制，具有超大容量的数据存储能力，而且即使掉电后数据依然能够保存。
实施例二
基于上述实施例提出的一种人工神经网络，本实施例提出了一种配备人工神经网络芯片的机器人，如图2所示结构。
如图3所示，机器人中的所述人工神经网络芯片是基于3D非易失性存储器工艺制备，所述3D非易失性存储器的存储阵列采用非平面设计，在垂直方向上利用后道工艺制程(BEOL)堆叠多层数据存储单元以获得更高的存储密度，在更小的硅片面积内实现更高存储容量，因此成本和功耗都更低。在所述存储阵列的下方和衬底之上，采用前道工艺制程(FEOL)以实现所述3D非易失性存储器的外围逻辑电路以及人工神经网络电路。所述人工神经网络芯片的特点是采用硬件电路来模拟实现人脑功能，分布式、平行的方式来储存、处理信息，与人脑中的神经元和突触对信息的处理方式一致，这是以计算机结构为基础的普通机器人所无法比拟的。而且本发明所述人工神经网络芯片以3D非易失性存储器作为存储机制，具有超大容量的数据存储能力，而且即使掉电后数据依然能够保存。因此本发明这种配备人工神经网络芯片的机器人能够大容量的存储数据从而实现像人类一样进行自我学习和认知，通过训练能够使机器人更加智能。因此，本发明这种配备人工神经网络芯片的机器人灵活性高，学习能力强，动态可调节，这是传统机器人无法办到的。
下面举一具体实施例做进一步阐述。
示教再现型机器人是一种通过引导或其他方式从而能够进行自我重复的机器人，通过先教会机器人动作，然后输入工作程序，然后机器人就可以重复该动作，例如跳舞机器人。但是传统的这种实现方法依然不能够使机器人具备自我学习的能力，机器人也不会根据周围环境的变化而自我调节和改善，只能按照之前的程序继续执行。比如教会一个机器人学习一种舞蹈，如果其中一个动作不标准，机器人也不能被修正。如果更换了一个风格或曲目，机器人就可能需要重新编程了。而应用本发明配备了人工神经网络芯片的机器人，就可以实现非常智能的学习和不断改进。比如通过手把手教会本发明这种机器人一种舞蹈，在其自主再现的过程中我们可以对它的动作进行调整，机器人通过自我学习和认知，从而更新人工神经网络芯片中3D存储阵列中的数值，在不断再现的过程中就能不断改善舞蹈动作，越跳越好。由于本发明这种机器人具备超大容量的数据存储功能，因而可以大量存储各种不同类型、风格和曲目的舞蹈。机器人可以根据自带的声控系统判定当前音乐是哪一种类型、风格和曲目，从而再现出不同的舞蹈，真正实现智能化。通过这种示教和再现，该机器人再将产生的编程数据传递到云端，那么所有的机器人就都学会了，避免了大量重复编程和训练工作，减轻了编程人员的负担，从而大大降低了实现的成本。
对于本领域的技术人员而言，阅读上述说明后，各种变化和修正无疑将显而易见。因此，所附的权利要求书应看作是涵盖本发明的真实意图和范围的全部变化和修正。在权利要求书范围内任何和所有等价的范围与内容，都应认为仍属本发明的意图和范围内。