传感器内计算平台消除了冗余的数据传输，为运动感知提供了一种高效的范式，而运动感知是智能系统的基础。然而，作为核心传感元件，现有具有单一主导物理机制的神经形态器件将时间响应限制在狭窄且固定的时间尺度上，从而限制了其对涵盖广泛速度范围的现实世界运动动力学的适应性。在此，我们提出了一种基于具有耦合铁电-电荷俘获机制的神经形态光电晶体管的时间可编程传感器内运动感知系统。该设计使得无需外部电路或偏置即可实现光生载流子寿命从毫秒到秒的连续调谐。该系统集成了3,072个具有高均匀性的晶体管，并采用双寻址架构以解耦写入和读取操作，实现了位置解耦读出，同时有效抑制了像素间串扰和阵列级噪声，并支持在现实交通场景中并行检测宽范围的运动速度（涵盖约0.34至320 km/h）。这些结果建立了一种可扩展的硬件方法，用于自适应、高能效的运动感知，推动了用于自主系统和动态场景分析的传感器内计算的发展。

传感器内计算平台通过消除冗余的数据传输，为运动感知提供了一种高效的范式，而运动感知是智能系统的基础。然而，作为核心传感元件，现有具有单一主导物理机制的神经形态器件将时间响应限制在狭窄且固定的时间尺度上，从而限制了其对涵盖广泛速度范围的现实世界运动动力学的适应性。因此，在多速度并存的场景中，它们无法满足运动检测任务的需求。为了解决这些限制，赋予神经形态传感元件多个时间因子是一种合理的策略。然而，大多数现有的神经形态传感元件基于单一阶次的物理路径，如光电俘获效应、光致相变、光铁电开关等，从根本上限制了时间设计自由度。与此同时，尽管在高性能传感器内系统的单器件或微米级阵列演示方面取得了令人鼓舞的进展，但大面积传感器内阵列的可扩展性仍然受到像素间串扰和缺乏有效系统级读出策略的限制。