論文の概要: Complementary Visual Neuronal Systems Model for Collision Sensing
- arxiv url: http://arxiv.org/abs/2006.06431v1
- Date: Thu, 11 Jun 2020 13:40:59 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-22 09:36:05.505625
- Title: Complementary Visual Neuronal Systems Model for Collision Sensing
- Title（参考訳）: 衝突センシングのための補完視覚神経系モデル
- Authors: Qinbing Fu and Shigang Yue
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 6.670414650224423
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Inspired by insects' visual brains, this paper presents original modelling of
a complementary visual neuronal systems model for real-time and robust
collision sensing. Two categories of wide-field motion sensitive neurons, i.e.,
the lobula giant movement detectors (LGMDs) in locusts and the lobula plate
tangential cells (LPTCs) in flies, have been studied, intensively. The LGMDs
have specific selectivity to approaching objects in depth that threaten
collision; whilst the LPTCs are only sensitive to translating objects in
horizontal and vertical directions. Though each has been modelled and applied
in various visual scenes including robot scenarios, little has been done on
investigating their complementary functionality and selectivity when
functioning together. To fill this vacancy, we introduce a hybrid model
combining two LGMDs (LGMD-1 and LGMD-2) with horizontally (rightward and
leftward) sensitive LPTCs (LPTC-R and LPTC-L) specialising in fast collision
perception. With coordination and competition between different activated
neurons, the proximity feature by frontal approaching stimuli can be largely
sharpened up by suppressing translating and receding motions. The proposed
method has been implemented in ground micro-mobile robots as embedded systems.
The multi-robot experiments have demonstrated the effectiveness and robustness
of the proposed model for frontal collision sensing, which outperforms previous
single-type neuron computation methods against translating interference.
- Abstract（参考訳）: 昆虫の視覚脳に着想を得た本論文は,リアルタイムかつロバストな衝突センシングのための相補的な視覚ニューロン系モデルのオリジナルモデルを提案する。
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lobula giant movement detectors(lgmds)とハエのlobula plate tangential cells(lptcs)が集中的に研究されている。
LGMDは衝突を脅かす深さの物体に特定の選択性を持つが、LPTCは水平方向と垂直方向の物体にのみ敏感である。
ロボットのシナリオを含む様々な視覚シーンでモデル化され応用されているが、協調して機能する際の補完機能や選択性についてはほとんど研究されていない。
高速衝突知覚を専門とする2つのLGMD(LGMD-1とLGMD-2)と水平(左右)感度LPTC(LPTC-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。
異なる活性化ニューロン間の協調と競合により、前頭側接近刺激による近接特性は、翻訳運動や後退運動を抑えることにより大きく改善される。
提案手法は組込みシステムとして地上マイクロ移動ロボットに実装されている。
複数ロボット実験により,前頭衝突センシングモデルの有効性とロバスト性が実証された。
関連論文リスト
- 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) - Integrating GNN and Neural ODEs for Estimating Non-Reciprocal Two-Body Interactions in Mixed-Species Collective Motion [0.0]
本稿では,観測軌道から基礎となる運動方程式を推定するための新しいディープラーニングフレームワークを提案する。
本フレームワークは,グラフニューラルネットワークとニューラルディファレンシャル方程式を統合し,二体相互作用の効果的な予測を可能にする。
論文 参考訳（メタデータ） (2024-05-26T09:47:17Z) - Neural-Logic Human-Object Interaction Detection [67.4993347702353]
本稿では,ニューラルロジック推論を利用した新しいHOI検出器であるL OGIC HOIと,実体間の相互作用を推測するTransformerを提案する。
具体的には,バニラトランスフォーマーの自己保持機構を改変し,人間,行動,対象>三重項を推論し,新たな相互作用を構成する。
我々はこれらの2つの特性を一階述語論理で定式化し、それらを連続空間に基底にして、我々のアプローチの学習過程を制約し、性能とゼロショットの一般化能力を向上させる。
論文 参考訳（メタデータ） (2023-11-16T11:47:53Z) - Tactile-Filter: Interactive Tactile Perception for Part Mating [54.46221808805662]
人間は触覚と触覚に頼っている。
視覚ベースの触覚センサーは、様々なロボット認識や制御タスクに広く利用されている。
本稿では,視覚に基づく触覚センサを用いた対話的知覚手法を提案する。
論文 参考訳（メタデータ） (2023-03-10T16:27:37Z) - OppLoD: the Opponency based Looming Detector, Model Extension of Looming
Sensitivity from LGMD to LPLC2 [8.055723903012511]
織機検出は昆虫の衝突防止システムにおいて重要な役割を担っている。
ラジアル対向運動(ROM:radial-opponent-motion)である拡張と混同し易いため、重要な視覚運動キューは長い間無視されてきた。
ショウジョウバエのROM感受性ニューロンであるLPLC2の発見に関する最近の研究は、焦点、外向運動の刺激にのみ反応するため、その超選択性を明らかにしている。
本稿では,画像速度に基づく略奪検出装置であるロブラ・ジャイアント・ムーブメント・ディテクター(LGMD)をROM感度で拡張する可能性について検討する。
論文 参考訳（メタデータ） (2023-02-10T03:53:12Z) - Drone Flocking Optimization using NSGA-II and Principal Component
Analysis [0.8495139954994114]
鳥の群れや魚の群れのような自然システムにおける個々のエージェントは、地元の集団で協調しコミュニケーションする素晴らしい能力を示す。
このような自然システムをドローン群にエミュレートして、防衛、農業、産業の自動化、人道支援といった問題を解決することは、新しい技術である。
複数の対立する目標を持つ 制限された環境で ドローンの群れを最適化することを提案する。
論文 参考訳（メタデータ） (2022-05-01T09:24:01Z) - Neurosymbolic hybrid approach to driver collision warning [64.02492460600905]
自律運転システムには2つの主要なアルゴリズムアプローチがある。
ディープラーニングだけでは、多くの分野で最先端の結果が得られています。
しかし、ディープラーニングモデルが機能しない場合、デバッグが非常に難しい場合もあります。
論文 参考訳（メタデータ） (2022-03-28T20:29:50Z) - Neural Monocular 3D Human Motion Capture with Physical Awareness [76.55971509794598]
物理的に可塑性なマーカーレス3次元モーションキャプチャのための新しいトレーニングシステムを提案する。
人間のモーションキャプチャのためのほとんどのニューラルな手法とは異なり、我々のアプローチは物理的および環境的な制約を認識している。
様々な場面でインタラクティブなフレームレートで、滑らかで物理的に原理化された3dモーションを生成する。
論文 参考訳（メタデータ） (2021-05-03T17:57:07Z) - Bidirectional Interaction between Visual and Motor Generative Models
using Predictive Coding and Active Inference [68.8204255655161]
本稿では,感覚予測のための生成モデルと,運動軌跡の生成モデルからなるニューラルアーキテクチャを提案する。
我々は,知覚予測のシーケンスが学習,制御,オンライン適応を導くレールとしてどのように機能するかを強調する。
論文 参考訳（メタデータ） (2021-04-19T09:41:31Z) - 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) - Enhancing LGMD's Looming Selectivity for UAV with Spatial-temporal
Distributed Presynaptic Connections [5.023891066282676]
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。
論文 参考訳（メタデータ） (2020-05-09T09:15:02Z)
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。