論文の概要: Evolved Neuromorphic Control for High Speed Divergence-based Landings of MAVs

• arxiv url: http://arxiv.org/abs/2003.03118v3
• Date: Thu, 23 Jul 2020 17:13:23 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-26 01:19:32.026644
• Title: Evolved Neuromorphic Control for High Speed Divergence-based Landings of MAVs
• Title（参考訳）: 高速ダイバージェンスに基づくMAV着陸のための進化型ニューロモルフィック制御
• Authors: J. J. Hagenaars, F. Paredes-Vall\'es, S. M. Boht\'e, G. C. H. E. de Croon
• Abstract要約: 小型航空機の着陸制御のためのスパイクニューラルネットワークを開発した。 得られたニューロモルフィックコントローラは,シミュレーションから実世界への堅牢な移動を示す。 私たちの知る限りでは、この研究は現実世界の飛行ロボットの制御ループにスパイクするニューラルネットワークを統合する最初のものである。
• 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: Flying insects are capable of vision-based navigation in cluttered environments, reliably avoiding obstacles through fast and agile maneuvers, while being very efficient in the processing of visual stimuli. Meanwhile, autonomous micro air vehicles still lag far behind their biological counterparts, displaying inferior performance at a much higher energy consumption. In light of this, we want to mimic flying insects in terms of their processing capabilities, and consequently show the efficiency of this approach in the real world. This letter does so through evolving spiking neural networks for controlling landings of micro air vehicles using optical flow divergence from a downward-looking camera. We demonstrate that the resulting neuromorphic controllers transfer robustly from a highly abstracted simulation to the real world, performing fast and safe landings while keeping network spike rate minimal. Furthermore, we provide insight into the resources required for successfully solving the problem of divergence-based landing, showing that high-resolution control can be learned with only a single spiking neuron. To the best of our knowledge, this work is the first to integrate spiking neural networks in the control loop of a real-world flying robot. Videos of the experiments can be found at https://bit.ly/neuro-controller .
• Abstract（参考訳）: 空飛ぶ昆虫は、散らばった環境で視覚に基づくナビゲーションが可能で、高速かつアジャイルな操作によって障害物を確実に回避し、視覚刺激の処理において非常に効率的である。 一方、自律型マイクロエア車両は生物学的な性能よりもはるかに遅れており、エネルギー消費がはるかに高い性能を示している。 これを踏まえて、我々は、飛んでいる昆虫をその処理能力で模倣し、現実世界でのこのアプローチの効率性を示したいと考えています。 この手紙は、下向きのカメラからの光流のばらつきを利用してマイクロエア車両の着陸を制御するための、スパイクニューラルネットワークの進化を通じて実現している。 その結果得られたニューロモルフィックコントローラは,高度に抽象化されたシミュレーションから実世界へロバストに移動し,ネットワークスパイクレートを最小に保ちながら高速かつ安全なランディングを行う。 さらに, 発散に基づく着地問題の解決に要する資源について考察し, 1つのスパイクニューロンだけで高分解能制御を学習可能であることを示す。 私たちの知る限りでは、この研究は現実世界の飛行ロボットの制御ループにスパイクするニューラルネットワークを統合する最初のものである。 実験のビデオはhttps://bit.ly/neuro-controller で見ることができる。

関連論文リスト

• Vision Transformers for End-to-End Vision-Based Quadrotor Obstacle Avoidance [13.467819526775472]
  高速な視覚に基づく四極子障害物回避のための注意に基づくエンドツーエンドアプローチの能力を実証する。 我々は、高忠実度シミュレーションにおいて、深度画像制御のための視覚変換器(ViT)モデルに対して畳み込み、U-Netおよび繰り返しアーキテクチャを訓練し、比較する。
  論文  参考訳（メタデータ） (2024-05-16T18:36:43Z)
• Reaching the Limit in Autonomous Racing: Optimal Control versus Reinforcement Learning [66.10854214036605]
  ロボット工学における中心的な問題は、アジャイルなモバイルロボットの制御システムをどうやって設計するかである。 本稿では、強化学習(RL)で訓練されたニューラルネットワークコントローラが最適制御(OC)法より優れていることを示す。 その結果、アジャイルドローンを最大性能に押し上げることができ、最大加速速度は重力加速度の12倍以上、ピーク速度は時速108kmに達しました。
  論文  参考訳（メタデータ） (2023-10-17T02:40:27Z)
• Learning and Adapting Agile Locomotion Skills by Transferring Experience [71.8926510772552]
  本稿では,既存のコントローラから新しいタスクを学習するために経験を移譲することで,複雑なロボティクススキルを訓練するためのフレームワークを提案する。 提案手法は,複雑なアジャイルジャンプ行動の学習,後肢を歩いたまま目標地点への移動,新しい環境への適応を可能にする。
  論文  参考訳（メタデータ） (2023-04-19T17:37:54Z)
• Fully neuromorphic vision and control for autonomous drone flight [5.358212984063069]
  イベントベースのビジョンとスパイクニューラルネットワークは、同様の特徴を示すことを約束する。 本稿では,ドローン飛行を制御するための完全学習型ニューロモルフィックパイプラインを提案する。 結果は,1回の飛行でより小さなネットワークを実現するためのニューロモルフィックセンシングと処理の可能性を示している。
  論文  参考訳（メタデータ） (2023-03-15T17:19:45Z)
• Deep Neural Network Architecture Search for Accurate Visual Pose Estimation aboard Nano-UAVs [69.19616451596342]
  小型無人航空機(UAV)は、新興かつトレンドのトピックである。 我々は、新しいニューラルネットワーク探索(NAS)技術を活用し、視覚的ポーズ推定タスクのために複数の畳み込みニューラルネットワーク(CNN)を自動的に識別する。 その結果,10Hz@10mWおよび50Hz@90mWの実時間オンボード推算速度を達成しつつ,フィールド内制御誤差を32%低減し,現状を改善できた。
  論文  参考訳（メタデータ） (2023-03-03T14:02:09Z)
• Neural-Fly Enables Rapid Learning for Agile Flight in Strong Winds [96.74836678572582]
  本稿では,ディープラーニングを通じて事前学習した表現を組み込むことで,オンラインでの迅速な適応を可能にする学習ベースのアプローチを提案する。 Neural-Flyは、最先端の非線形かつ適応的なコントローラよりもかなり少ないトラッキングエラーで正確な飛行制御を実現する。
  論文  参考訳（メタデータ） (2022-05-13T21:55:28Z)
• Learning High-Speed Flight in the Wild [101.33104268902208]
  複雑な自然環境や人工環境を高速で自律的に飛行するエンド・ツー・エンドのアプローチを提案する。 鍵となる原理は、雑音の知覚観測を直接、後退水平方向に無衝突軌道にマッピングすることである。 現実的なセンサノイズをシミュレートすることにより,シミュレーションから現実環境へのゼロショット転送を実現する。
  論文  参考訳（メタデータ） (2021-10-11T09:43:11Z)
• Evolved neuromorphic radar-based altitude controller for an autonomous open-source blimp [4.350434044677268]
  本稿では,ロボット飛行船のためのSNNに基づく高度制御器を提案する。 また、SNNベースのコントローラアーキテクチャ、シミュレーション環境でネットワークをトレーニングするための進化的フレームワーク、現実とのギャップを改善するための制御戦略も提示する。
  論文  参考訳（メタデータ） (2021-10-01T20:48:43Z)
• Design and implementation of a parsimonious neuromorphic PID for onboard altitude control for MAVs using neuromorphic processors [3.7384509727711923]
  低レベルコントローラはしばしば無視され、ニューロモルフィックループの外にとどまる。 そこで本研究では,93個のニューロンを最小限に含む,同種で調節可能なPIDコントローラを提案する。 その結果,低レベルのニューロモルフィックコントローラの適合性は,最終的に非常に高い更新頻度で確認できた。
  論文  参考訳（メタデータ） (2021-09-21T14:27:11Z)
• Event-driven Vision and Control for UAVs on a Neuromorphic Chip [41.733091458634874]
  イベントベースのカメラは、より効率的に、より低レイテンシで処理できるイベントのスパースストリームを生成する。 本稿では, ニューロモルフィックチップ上でのスパイク神経ネットワークとしてイベントベースの視覚アルゴリズムを実装し, ドローンの制御装置として利用する方法について述べる。 我々のチップ上のスパイクニューロンネットワークは、高速UAV制御タスクを解くニューロモルフィック視覚ベースのコントローラの最初の例である。
  論文  参考訳（メタデータ） (2021-08-08T17:46:52Z)
• Learning Quadrupedal Locomotion over Challenging Terrain [68.51539602703662]
  足の移動はロボティクスの操作領域を劇的に拡張することができる。 足の移動のための従来のコントローラーは、運動プリミティブと反射の実行を明示的にトリガーする精巧な状態マシンに基づいている。 ここでは、自然環境に挑戦する際の足の移動に対して、徹底的に頑健な制御器を提案する。
  論文  参考訳（メタデータ） (2020-10-21T19:11:20Z)

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。