論文の概要: VOR Adaptation on a Humanoid iCub Robot Using a Spiking Cerebellar Model
- arxiv url: http://arxiv.org/abs/2003.01409v2
- Date: Tue, 31 Mar 2020 07:26:00 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-26 23:00:26.284556
- Title: VOR Adaptation on a Humanoid iCub Robot Using a Spiking Cerebellar Model
- Title(参考訳): スパイク小脳モデルを用いたヒューマノイドiCubロボットのVOR適応
- Authors: Francisco Naveros, Niceto R. Luque, Eduardo Ros, Angelo Arleo
- Abstract要約: 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。
- 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: We embed a spiking cerebellar model within an adaptive real-time (RT) control
loop that is able to operate a real robotic body (iCub) when performing
different vestibulo-ocular reflex (VOR) tasks. The spiking neural network
computation, including event- and time-driven neural dynamics, neural activity,
and spike-timing dependent plasticity (STDP) mechanisms, leads to a
nondeterministic computation time caused by the neural activity volleys
encountered during cerebellar simulation. This nondeterministic computation
time motivates the integration of an RT supervisor module that is able to
ensure a well-orchestrated neural computation time and robot operation.
Actually, our neurorobotic experimental setup (VOR) benefits from the
biological sensory motor delay between the cerebellum and the body to buffer
the computational overloads as well as providing flexibility in adjusting the
neural computation time and RT operation. The RT supervisor module provides for
incremental countermeasures that dynamically slow down or speed up the
cerebellar simulation by either halting the simulation or disabling certain
neural computation features (i.e., STDP mechanisms, spike propagation, and
neural updates) to cope with the RT constraints imposed by the real robot
operation. This neurorobotic experimental setup is applied to different
horizontal and vertical VOR adaptive tasks that are widely used by the
neuroscientific community to address cerebellar functioning. We aim to
elucidate the manner in which the combination of the cerebellar neural
substrate and the distributed plasticity shapes the cerebellar neural activity
to mediate motor adaptation. This paper underlies the need for a two-stage
learning process to facilitate VOR acquisition.
- Abstract(参考訳): 我々は、前庭眼反射(VOR)タスクを実行する際に、実際のロボット体(iCub)を動作させることができる適応リアルタイム(RT)制御ループに、スパイク小脳モデルを組み込む。
事象および時間駆動型神経力学、神経活動、スパイク刺激依存的可塑性(STDP)機構を含むスパイクニューラルネットワーク計算は、小脳シミュレーション中に発生する神経活動のボレーに起因する非決定論的計算時間をもたらす。
この非決定論的計算時間は、適切に制御された神経計算時間とロボット操作を保証するrtスーパーバイザモジュールの統合を動機付ける。
実際、我々の神経ロボティクス実験装置(VOR)は、脳と身体の間の生物学的運動遅延の恩恵を受け、計算過負荷を緩衝し、神経計算時間とRT操作を調整する柔軟性を提供する。
RTスーパーバイザモジュールは、シミュレーションを停止させたり、特定の神経計算機能(STDP機構、スパイク伝播、ニューラル更新)を無効にすることで、実際のロボット操作によって課されるRT制約に対処することで、脳シミュレーションを動的に減速または高速化するインクリメンタル対策を提供する。
この神経ロボティックな実験装置は、脳機能に対処するために神経科学コミュニティが広く使用している水平および垂直のVOR適応タスクに適用される。
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り、運動適応を仲介する方法を明らかにすることを目的としている。
本稿では,VOR獲得を促進するための2段階学習プロセスの必要性について述べる。
関連論文リスト
- Hardware-Friendly Implementation of Physical Reservoir Computing with CMOS-based Time-domain Analog Spiking Neurons [0.26963330643873434]
本稿では, 相補的金属酸化物半導体(CMOS)プラットフォーム上でのハードウェアフレンドリーな物理貯水池計算のためのスパイクニューラルネットワーク(SNN)を提案する。
短期記憶と排他的ORタスクによるRCと、97.7%の精度で音声桁認識タスクを実演する。
論文 参考訳(メタデータ) (2024-09-18T00:23:00Z) - 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) - The Expressive Leaky Memory Neuron: an Efficient and Expressive Phenomenological Neuron Model Can Solve Long-Horizon Tasks [64.08042492426992]
本稿では,脳皮質ニューロンの生物学的モデルであるExpressive Memory(ELM)ニューロンモデルを紹介する。
ELMニューロンは、上記の入力-出力関係を1万以下のトレーニング可能なパラメータと正確に一致させることができる。
本稿では,Long Range Arena(LRA)データセットなど,時間構造を必要とするタスクで評価する。
論文 参考訳(メタデータ) (2023-06-14T13:34:13Z) - Active Predicting Coding: Brain-Inspired Reinforcement Learning for
Sparse Reward Robotic Control Problems [79.07468367923619]
ニューラルジェネレーティブ・コーディング(NGC)の神経認知計算フレームワークによるロボット制御へのバックプロパゲーションフリーアプローチを提案する。
我々は、スパース報酬から動的オンライン学習を容易にする強力な予測符号化/処理回路から完全に構築されたエージェントを設計する。
提案するActPCエージェントは,スパース(外部)報酬信号に対して良好に動作し,複数の強力なバックプロップベースのRLアプローチと競合し,性能が優れていることを示す。
論文 参考訳(メタデータ) (2022-09-19T16:49:32Z) - Evolving spiking neuron cellular automata and networks to emulate in
vitro neuronal activity [0.0]
我々は生体内における生体ニューロンの行動パターンをエミュレートするスパイキング神経系を生産する。
我々のモデルは、ネットワーク全体の同期レベルを生成できた。
トップパフォーマンスモデルのゲノムは、生成した活動の複雑さを決定する上で、モデル内の接続の興奮性と密度が重要な役割を果たすことを示している。
論文 参考訳(メタデータ) (2021-10-15T17:55:04Z) - Mapping and Validating a Point Neuron Model on Intel's Neuromorphic
Hardware Loihi [77.34726150561087]
インテルの第5世代ニューロモルフィックチップ「Loihi」の可能性について検討する。
Loihiは、脳内のニューロンをエミュレートするスパイキングニューラルネットワーク(SNN)という新しいアイデアに基づいている。
Loihiは従来のシミュレーションを非常に効率的に再現し、ネットワークが大きくなるにつれて、時間とエネルギーの両方のパフォーマンスにおいて顕著にスケールする。
論文 参考訳(メタデータ) (2021-09-22T16:52:51Z) - Continuous Learning and Adaptation with Membrane Potential and
Activation Threshold Homeostasis [91.3755431537592]
本稿では,MPATH(Membrane Potential and Activation Threshold Homeostasis)ニューロンモデルを提案する。
このモデルにより、ニューロンは入力が提示されたときに自動的に活性を調節することで動的平衡の形式を維持することができる。
実験は、モデルがその入力から適応し、継続的に学習する能力を示す。
論文 参考訳(メタデータ) (2021-04-22T04:01:32Z) - 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) - Exploring vestibulo-ocular adaptation in a closed-loop neuro-robotic
experiment using STDP. A simulation study [0.0]
本研究は, 模擬ヒューマノイドロボット(iCub)をニューロロボティック・プラットフォーム(Neuro-robotic Platform)を用いて, スパイキング小脳モデルで支持するエボディメント・ソリューションを提案し, 解説する。
その結果, 擬似iCubロボットを用いた知覚動作閉ループ(r-VOR)において, スパイキング小脳モデルの適応能力を検証した。
論文 参考訳(メタデータ) (2020-03-03T10:55:42Z) - A Spiking Neural Network Emulating the Structure of the Oculomotor
System Requires No Learning to Control a Biomimetic Robotic Head [0.0]
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。
論文 参考訳(メタデータ) (2020-02-18T13:03:06Z)
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。