論文の概要: Enhancing LGMD's Looming Selectivity for UAV with Spatial-temporal Distributed Presynaptic Connections

• arxiv url: http://arxiv.org/abs/2005.04397v3
• Date: Sat, 17 Apr 2021 04:38:13 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-05 06:43:51.235816
• Title: Enhancing LGMD's Looming Selectivity for UAV with Spatial-temporal Distributed Presynaptic Connections
• Title（参考訳）: 時空間分散型シナプス接続を用いたUAVにおけるLGMDのローミング選択性向上
• Authors: Jiannan Zhao, Hongxin Wang, and Shigang Yue
• Abstract要約: 自然界では、単純な視覚システムを持つ飛行昆虫は、複雑な環境での衝突をナビゲートし回避する優れた能力を示している。 飛んでいる昆虫の視覚ニューロンとして、LGMDはUAVの衝突検知システムを構築するための理想的な基盤であると考えられている。 既存のLGMDモデルは、複雑な背景運動のような他の視覚的手がかりと明確に区別することはできない。 分散空間-時間的シナプス相互作用を実装した新しいモデルを提案する。
• 参考スコア（独自算出の注目度）: 5.023891066282676
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Collision detection is one of the most challenging tasks for Unmanned Aerial Vehicles (UAVs). This is especially true for small or micro UAVs, due to their limited computational power. In nature, flying insects with compact and simple visual systems demonstrate their remarkable ability to navigate and avoid collision in complex environments. A good example of this is provided by locusts. They can avoid collisions in a dense swarm through the activity of a motion based visual neuron called the Lobula Giant Movement Detector (LGMD). The defining feature of the LGMD neuron is its preference for looming. As a flying insect's visual neuron, LGMD is considered to be an ideal basis for building UAV's collision detecting system. However, existing LGMD models cannot distinguish looming clearly from other visual cues such as complex background movements caused by UAV agile flights. To address this issue, we proposed a new model implementing distributed spatial-temporal synaptic interactions, which is inspired by recent findings in locusts' synaptic morphology. We first introduced the locally distributed excitation to enhance the excitation caused by visual motion with preferred velocities. Then radially extending temporal latency for inhibition is incorporated to compete with the distributed excitation and selectively suppress the non-preferred visual motions. Systematic experiments have been conducted to verify the performance of the proposed model for UAV agile flights. The results have demonstrated that this new model enhances the looming selectivity in complex flying scenes considerably, and has potential to be implemented on embedded collision detection systems for small or micro UAVs.
• Abstract（参考訳）: 衝突検出は無人航空機(UAV)にとって最も困難な課題の1つである。 これは計算能力が限られているため、小型または小型のUAVには特に当てはまる。 自然界では、小型で単純な視覚システムを持つ飛行昆虫は、複雑な環境での衝突や衝突を回避できる優れた能力を示している。 この好例が locusts によって提供されている。 彼らは、Lobula Giant Movement Detector (LGMD)と呼ばれる動きに基づく視覚ニューロンの活動を通じて、密集した群内の衝突を避けることができる。 LGMDニューロンの定義的特徴は、略奪を好むことである。 飛んでいる昆虫の視覚ニューロンとして、LGMDはUAVの衝突検知システムを構築するための理想的な基盤であると考えられている。 しかし、既存のLGMDモデルは、UAVのアジャイル飛行によって引き起こされる複雑な背景運動のような他の視覚的手がかりと明確に区別することはできない。 この問題に対処するために,locustsのシナプス形態に関する最近の知見に触発された,空間的-時空間的シナプス相互作用を分散的に実装する新しいモデルを提案した。 まず, 局所的に分布する励起を導入し, 速度を優先する視覚運動による励起を増強した。 そして、抑制のための時間遅延を放射的に延長して分散励起と競合させ、非推奨の視覚運動を選択的に抑制する。 提案したUAVアジャイル飛行モデルの性能を検証するためのシステム実験が実施されている。 その結果、この新モデルは複雑な飛行シーンにおける略奪選択性を著しく向上させ、小型または小型UAVの衝突検出システムに実装できる可能性が示された。

関連論文リスト

• Effective and Efficient Adversarial Detection for Vision-Language Models via A Single Vector [97.92369017531038]
  Diverse hArmful Responses (RADAR) を用いた新しい laRge-scale Adervsarial 画像データセットを構築した。 そこで我々は,視覚言語モデル (VLM) の隠れ状態から抽出した1つのベクトルを利用して,入力中の良質な画像に対して対向画像を検出する,新しいiN時間埋め込み型AdveRSarial Image Detectction (NEARSIDE) 法を開発した。
  論文  参考訳（メタデータ） (2024-10-30T10:33:10Z)
• Motion-guided small MAV detection in complex and non-planar scenes [10.15211816323658]
  複雑なシーンや非平面シーンで小さなMAVを正確に識別できる動き誘導型MAV検出器を提案する。 提案手法は, 動的, 複雑な背景から, 極めて小さなMAVを効果的に, 効率的に検出することができる。
  論文  参考訳（メタデータ） (2024-10-14T14:06:41Z)
• DA-Flow: Dual Attention Normalizing Flow for Skeleton-based Video Anomaly Detection [52.74152717667157]
  本稿では,DAM(Dual Attention Module)と呼ばれる軽量モジュールを提案する。 フレームアテンション機構を使用して、最も重要なフレームを識別し、スケルトンアテンション機構を使用して、最小パラメータとフロップで固定されたパーティション間の広範な関係をキャプチャする。
  論文  参考訳（メタデータ） (2024-06-05T06:18:03Z)
• Diffusion-Based Particle-DETR for BEV Perception [94.88305708174796]
  Bird-Eye-View (BEV)は、自律走行車(AV)における視覚知覚のための最も広く使われているシーンの1つである。 近年の拡散法は、視覚知覚のための不確実性モデリングに有望なアプローチを提供するが、BEVの広い範囲において、小さな物体を効果的に検出することができない。 本稿では,BEVにおける拡散パラダイムと最先端の3Dオブジェクト検出器を組み合わせることで,この問題に対処する。
  論文  参考訳（メタデータ） (2023-12-18T09:52:14Z)
• A Neural Active Inference Model of Perceptual-Motor Learning [62.39667564455059]
  アクティブ推論フレームワーク(英: active inference framework、AIF)は、現代の神経科学を基盤とした、有望な新しい計算フレームワークである。 本研究では,ヒトの視覚行動指導において,AIFが期待する役割を捉える能力をテストする。 本稿では,多次元世界状態から自由エネルギーの一次元分布にマッピングする先行関数の新たな定式化について述べる。
  論文  参考訳（メタデータ） (2022-11-16T20:00:38Z)
• A Multi-UAV System for Exploration and Target Finding in Cluttered and GPS-Denied Environments [68.31522961125589]
  複雑なGPSを用いた複雑な環境において,UAVのチームが協調して目標を探索し,発見するための枠組みを提案する。 UAVのチームは自律的にナビゲートし、探索し、検出し、既知の地図で散らばった環境でターゲットを見つける。 その結果, 提案方式は, 時間的コスト, 調査対象地域の割合, 捜索・救助ミッションの成功率などの面で改善されていることがわかった。
  論文  参考訳（メタデータ） (2021-07-19T12:54:04Z)
• A Bioinspired Approach-Sensitive Neural Network for Collision Detection in Cluttered and Dynamic Backgrounds [19.93930316898735]
  移動中の物体の迅速かつ堅牢な検出は、ロボット視覚システムにとって重要かつ困難な問題である。 哺乳類網膜における神経回路の初等視覚にインスパイアされた,バイオインスパイアされたアプローチ感受性ニューラルネットワーク(AS)を提案する。 提案手法は, クラッタや動的背景の衝突を高精度かつロバストに検出するだけでなく, 位置や方向などの衝突情報を抽出し, 迅速な意思決定を支援する。
  論文  参考訳（メタデータ） (2021-03-01T09:16:18Z)
• Perceiving Traffic from Aerial Images [86.994032967469]
  本研究では,空中画像中の物体を検出するために,バタフライ検出器と呼ばれる物体検出手法を提案する。 UAVDT(UAVDT)とVisDrone 2019(VisDrone 2019)の2つのUAVデータセット上でButterfly Detectorを評価し、従来の最先端の手法よりも高速に動作し、かつリアルタイムに動作可能であることを示す。
  論文  参考訳（メタデータ） (2020-09-16T11:37:43Z)
• Complementary Visual Neuronal Systems Model for Collision Sensing [6.670414650224423]
  昆虫の視覚脳にインスパイアされた本論文は、リアルタイムおよび堅牢な衝突検知のための相補的な視覚神経系のモデルの原モデルを示す。 広視野運動感受性ニューロンの2つのカテゴリ、すなわち、ロカストの巨体運動検出器(LGMD)とハエの巨体板細胞(Cs)が、集中的に研究されている。 高速衝突知覚を専門とする2つのLGMDと水平(左右)感度LPTC(C-RとLPTC-L)を組み合わせたハイブリッドモデルを提案する。
  論文  参考訳（メタデータ） (2020-06-11T13:40:59Z)
• Evolved Neuromorphic Control for High Speed Divergence-based Landings of MAVs [0.0]
  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。
  論文  参考訳（メタデータ） (2020-03-06T10:19:02Z)
• A Time-Delay Feedback Neural Network for Discriminating Small, Fast-Moving Targets in Complex Dynamic Environments [8.645725394832969]
  複雑な視覚環境の中で小さな移動物体を識別することは、自律型マイクロロボットにとって重要な課題である。 フィードバック接続を備えたSTMDベースのニューラルネットワーク(Feedback STMD)を提案する。
  論文  参考訳（メタデータ） (2019-12-29T03:10:36Z)

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。