論文の概要: A Spiking Neural Network Emulating the Structure of the Oculomotor
System Requires No Learning to Control a Biomimetic Robotic Head
- arxiv url: http://arxiv.org/abs/2002.07534v2
- Date: Mon, 8 Jun 2020 17:48:53 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-30 20:09:59.745228
- Title: A Spiking Neural Network Emulating the Structure of the Oculomotor
System Requires No Learning to Control a Biomimetic Robotic Head
- Title(参考訳): 生体模倣ロボットヘッドの制御を学習する必要のない運動系構造を模擬したスパイクニューラルネットワーク
- Authors: Praveenram Balachandar and Konstantinos P. Michmizos
- Abstract要約: バイオミメティック・ロボットヘッドのプロトタイプの心臓にニューロモルフィック・オキュロモータ・コントローラが配置されている。
コントローラは、すべてのデータがスパイクニューラルネットワーク(SNN)によって符号化され、処理されるという意味でユニークなものです。
ロボットの目標追跡能力について報告し、その眼球運動学は人間の眼研究で報告されたものと類似していることを示し、生物学的に制約された学習を用いて、その性能をさらに向上させることができることを示す。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Robotic vision introduces requirements for real-time processing of
fast-varying, noisy information in a continuously changing environment. In a
real-world environment, convenient assumptions, such as static camera systems
and deep learning algorithms devouring high volumes of ideally slightly-varying
data are hard to survive. Leveraging on recent studies on the neural connectome
associated with eye movements, we designed a neuromorphic oculomotor controller
and placed it at the heart of our in-house biomimetic robotic head prototype.
The controller is unique in the sense that (1) all data are encoded and
processed by a spiking neural network (SNN), and (2) by mimicking the
associated brain areas' topology, the SNN is biologically interpretable and
requires no training to operate. Here, we report the robot's target tracking
ability, demonstrate that its eye kinematics are similar to those reported in
human eye studies and show that a biologically-constrained learning, although
not required for the SNN's function, can be used to further refine its
performance. This work aligns with our ongoing effort to develop
energy-efficient neuromorphic SNNs and harness their emerging intelligence to
control biomimetic robots with versatility and robustness.
- Abstract(参考訳): ロボットビジョンは、変化する環境において、変化の速いノイズの多い情報をリアルタイムに処理するための要件を導入する。
現実の環境では、静的カメラシステムやディープラーニングアルゴリズムのような便利な仮定は、理想的にはわずかに変化する大量のデータを探索することは困難である。
眼球運動に伴うニューラルコネクトームの最近の研究を利用して、神経形態の眼球運動制御器を設計し、体内のバイオミメティックロボットヘッドプロトタイプの中心に配置した。
コントローラは、(1)全てのデータがスパイクニューラルネットワーク(SNN)によって符号化され、処理され、(2)関連する脳領域のトポロジーを模倣することにより、SNNは生物学的に解釈可能で、操作する訓練を必要としないという意味でユニークである。
本稿では,ロボットの目標追跡能力について報告し,その眼運動学がヒトの眼球研究で報告されているものと類似していることを示し,snの機能に必須ではないが,生物学的に拘束された学習がさらなる性能向上に利用できることを示す。
この研究は、エネルギー効率の良いニューロモルフィックSNNを開発し、その新しい知性を活用して、汎用性と堅牢性でバイオミメティクスロボットを制御しようとしている。
関連論文リスト
- Single Neuromorphic Memristor closely Emulates Multiple Synaptic
Mechanisms for Energy Efficient Neural Networks [71.79257685917058]
我々はこれらのシナプス機能を本質的にエミュレートするSrTiO3に基づく膜状ナノデバイスを実証する。
これらのメムリスタは、安定かつエネルギー効率の良い運転を可能にする非定常低導電系で機能する。
論文 参考訳(メタデータ) (2024-02-26T15:01:54Z) - Astrocyte Regulated Neuromorphic Central Pattern Generator Control of
Legged Robotic Locomotion [3.7814142008074954]
本稿では,四足歩行ロボットの移動歩行を学習するためのアストロサイト制御スパイキングニューラルネットワーク(SNN)を用いた CPG を提案する。
SNNベースのCPGは、多目的物理シミュレーションプラットフォーム上でシミュレーションされ、平地でロボットを走らせながらトロッティング歩行が出現する。
最先端の強化学習に基づくロボット制御アルゴリズムと比較して、23.3Times$計算パワーセーブが観測される。
論文 参考訳(メタデータ) (2023-12-25T20:33:16Z) - Fully Spiking Neural Network for Legged Robots [7.228021064624876]
スパイキングニューラルネットワーク(SNN)は、脚のあるロボットを処理するために使用される。
SNNは、推論速度とエネルギー消費の観点から、従来のニューラルネットワークよりも自然な優位性を持っている。
我々の知る限りでは、脚のあるロボットにSNNを実装するのはこれが初めてだ。
論文 参考訳(メタデータ) (2023-10-08T05:48:30Z) - A Hybrid Neural Coding Approach for Pattern Recognition with Spiking
Neural Networks [53.31941519245432]
脳にインスパイアされたスパイクニューラルネットワーク(SNN)は、パターン認識タスクを解く上で有望な能力を示している。
これらのSNNは、情報表現に一様神経コーディングを利用する同質ニューロンに基づいている。
本研究では、SNNアーキテクチャは異種符号化方式を組み込むよう、均質に設計されるべきである、と論じる。
論文 参考訳(メタデータ) (2023-05-26T02:52:12Z) - Robotic Navigation Autonomy for Subretinal Injection via Intelligent
Real-Time Virtual iOCT Volume Slicing [88.99939660183881]
網膜下注射のための自律型ロボットナビゲーションの枠組みを提案する。
提案手法は,機器のポーズ推定方法,ロボットとi OCTシステム間のオンライン登録,およびインジェクションターゲットへのナビゲーションに適した軌道計画から構成される。
ブタ前眼の精度と再現性について実験を行った。
論文 参考訳(メタデータ) (2023-01-17T21:41:21Z) - POPPINS : A Population-Based Digital Spiking Neuromorphic Processor with
Integer Quadratic Integrate-and-Fire Neurons [50.591267188664666]
2つの階層構造を持つ180nmプロセス技術において,集団に基づくディジタルスパイキングニューロモルフィックプロセッサを提案する。
提案手法は,生体模倣型ニューロモルフィックシステム,低消費電力,低遅延推論処理アプリケーションの開発を可能にする。
論文 参考訳(メタデータ) (2022-01-19T09:26:34Z) - Towards efficient end-to-end speech recognition with
biologically-inspired neural networks [10.457580011403289]
軸-体性および軸-体性シナプスを模擬した神経接続概念を導入する。
我々は,大規模ASRモデルの生物学的に現実的な実装によって,競争性能が向上できることを初めて実証した。
論文 参考訳(メタデータ) (2021-10-04T21:24:10Z) - Neuroevolution of a Recurrent Neural Network for Spatial and Working
Memory in a Simulated Robotic Environment [57.91534223695695]
我々は,ラットで観察される行動と神経活動を再現する進化的アルゴリズムを用いて,生物学的に有意なリカレントニューラルネットワーク(RNN)でウェイトを進化させた。
提案手法は, 進化したRNNの動的活動が, 興味深く複雑な認知行動をどのように捉えているかを示す。
論文 参考訳(メタデータ) (2021-02-25T02:13:52Z) - Recurrent Neural Network Learning of Performance and Intrinsic
Population Dynamics from Sparse Neural Data [77.92736596690297]
本稿では,RNNの入出力動作だけでなく,内部ネットワークのダイナミクスも学習できる新しいトレーニング戦略を提案する。
提案手法は、RNNを訓練し、生理学的にインスパイアされた神経モデルの内部ダイナミクスと出力信号を同時に再現する。
注目すべきは、トレーニングアルゴリズムがニューロンの小さなサブセットの活性に依存する場合であっても、内部動力学の再現が成功することである。
論文 参考訳(メタデータ) (2020-05-05T14:16:54Z) - VOR Adaptation on a Humanoid iCub Robot Using a Spiking Cerebellar Model [0.0]
我々は、本物のロボット体(iCub)を操作することができる適応リアルタイム制御ループに、スパイク小脳モデルを組み込む。
本研究の目的は、小脳神経基質と分散可塑性の組み合わせが小脳神経活動を形作って運動適応を仲介する方法を明らかにすることである。
論文 参考訳(メタデータ) (2020-03-03T09:48:15Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。