在过去的几年中，研究人员一直在尝试将量子物理学理论应用于机器人，生物学和认知科学等各个领域。从量子系统中汲取灵感的计算技术(也称为类量子(QL)模型)可能比传统方法具有更好的性能和更复杂的功能。

意大利热那亚大学的研究人员最近研究了使用QL方法来增强机器人的感应能力的可行性。在arXiv上预先发表的论文中，他们展示了案例研究的结果，其中他们在模拟环境中在感知能力有限的机器人上测试了QL感知模型。

“这项研究的想法是在阅读了安东·阿曼(Anton Amann)在1993年写的一篇文章(“量子理论中的格式塔问题”)后进行的，他将格式塔的感知问题与量子物理学中分子形状的归属进行了比较，”进行这项研究的研究人员之一Davide Lanza告诉TechXplore。“我对认知与量子现象之间的相似之处感到惊讶，然后我发现了量子认知研究的蓬勃发展领域。”

受到Amann提出的想法的启发，Lanza与他的主管Fulvio Mastrogiovanni进行了接触，并询问他是否可以研究使用量子认知模型来增强机器人知觉，并将其作为硕士论文的一部分。一旦Mastrogiovanni批准了他的想法，他便与热那亚大学量子计算专业的物理学教授Paolo Solinas合作，定义了一个初步模型来测试在机器人技术中使用QL方法的可行性。

作为研究的第一步，Lanza和Solinas定义了一个简化的案例研究，其中机器人应该能够检测物体是放在物体的前面还是后面。他们的目标是研究一种QL模型在这种简单情况下如何处理不确定性和感知歧义，其中包括在两个选项(即正面或反面)之间进行选择，然后再将其应用于更复杂的场景。

Lanza解释说：“我们将机器人的传感器收集的信息存储在一个qubit中。”“允许量子位具有相干重叠的两个'前'和'后'状态，从而为不确定的'前-后'情况建立了不确定性模型。随后，当测量了量子位时，它返回的读数的概率为与这种叠加有关。”

当研究人员在他们定义的案例研究模拟中测试QL感知模型时，他们发现它的表现与非量子技术相当。但是，只有在使用称为QASM的量子模拟器测试该模型时，该模型才能很好地运行，该模拟器可以模拟经典计算设备上的量子电路执行。

另一方面，实际上在IBM Quantum Experience(IBMQ)平台上实施该模型会导致许多错误，尤其是在对象处于歧义位置的试验中(即，尚不清楚该对象是否在其中)。机器人的前部或后部)。Lanza，Solinas和Mastrogiovanni认为，在量子仿真中可以更有效地测试QL感知模型，因为量子后端的实现会在不平衡情况下导致许多错误。

Lanza说：“在我看来，使用量子比特是一种用于感知和认知建模的更紧凑，更优雅的解决方案。”“的确，量子位本能地提供了量子系统所特有的有趣的建模功能，而无需其他模块来处理概率结果。”

最近在arXiv上发表的论文只是Lanza，Solinas和Mastrogiovanni进行的项目的第一部分。研究人员现在正在探索将相同的QL模型应用于更复杂的场景的可能性，同时还在涉及具有多个集成传感器的机器人的仿真中对其进行测试。

迄今为止，他们收集的研究结果突显了在机器人研究中引入基于量子理论的模型的潜力。将来，他们可能会启发其他研究团队将人类认知的QL模型应用于机器人问题并评估其性能。

Lanza说：“经过初步研究，我们开始进行多传感器集成，为能够插值数据并充分利用量子特征的多个传感器开发模型。”