在这里，我们报告TianjicX，这是一种神经形态计算硬件，可以支持多个跨计算范式神经网络（NN）模型的真正并发执行，并具有各种机器人协调方式。具有时空弹性，支持计算资源的自适应分配和每项任务的执行时间调度。这种方法的关键是一个高级模型“Rivulet”，它弥合了机器人级需求和硬件实现之间的差距。通过静态数据分布和动态数据流，抽象化NN任务的执行，形成基本的活动上下文，采用时空切片实现每个活动的弹性资源分配，并进行可配置的混合同步-异步分组。因此，Rivulet能够支持独立和交互式执行。基于Rivulet硬件设计实现时空弹性，开发了一种具有事件驱动、高并行度、低时延、低功耗的28纳米天墅X神经形态芯片。使用单个TianjicX芯片和专门开发的编译器堆栈，我们构建了一个多智能任务移动机器人Tianjicat来执行猫捉老鼠的游戏。可以同时执行多个任务，包括声音识别和跟踪，对象识别，避障和决策。与 NVIDIA Jetson TX2 相比，延迟大幅降低 79.09 倍，动态功耗降低 50.66%。
