自动驾驶与机器人，在真实环境中会遇到很多突发状况，比如突然窜出的单车、分心过马路的行人、不打转向灯就变道的驾驶员，因此需要极快的视觉识别与反应能力。 传统机器大多依靠摄像机连续拍摄画面，再用光流算法将亮度变化转化为运动信息，但每个像素都需要运算，计算量极大。就算是先进系统，识别一帧画面也可能超过0.6秒，对高速行驶的车辆而言，延迟带来的代价很高。 最新研究受到人眼视觉机制启发，在人工视觉中加入类似大脑视觉中转与过滤功能的设计，搭配类神经形态硬件，把数据存储与运算整合在同一电路里，先识别出真正运动的区域，再将重点区域交给算法精细计算。 研究团队将这套仿生视觉系统用于自动驾驶场景与机械手臂测试，整体速度约为现有方法的四倍，准确率不降反升，在自动驾驶任务上甚至翻倍，多数情况下反应速度已经超过人类。 不过该系统仍需将数据传回传统算法处理，因此在高密度、复杂运动场景下，准确度仍会受限。研究者认为，这种设计能让机器人走出工厂和道路，进入更多日常生活场景；未来在人机互动密集的家庭环境中，快速捕捉细微视觉线索会变得越来越重要。