論文の概要: Robust trajectory generation for robotic control on the neuromorphic
research chip Loihi
- arxiv url: http://arxiv.org/abs/2008.11642v2
- Date: Tue, 17 Nov 2020 12:15:44 GMT
- ステータス: 翻訳完了
- システム内更新日: 2022-10-24 21:38:58.332990
- Title: Robust trajectory generation for robotic control on the neuromorphic
research chip Loihi
- Title（参考訳）: ニューロモルフィック研究チップloihiのロボット制御のためのロバスト軌道生成
- Authors: Carlo Michaelis, Andrew B. Lehr and Christian Tetzlaff
- Abstract要約: 我々は、最近開発されたスパイクニューラルネットワークモデル、いわゆる異方性ネットワークを利用する。
我々は,Loihi上の異方性ネットワークが神経活動の逐次パターンを確実に符号化していることを示す。
そこで本研究では,複雑なロボットの動きを生成できる新しいアルゴリズムを提案する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Neuromorphic hardware has several promising advantages compared to von
Neumann architectures and is highly interesting for robot control. However,
despite the high speed and energy efficiency of neuromorphic computing,
algorithms utilizing this hardware in control scenarios are still rare. One
problem is the transition from fast spiking activity on the hardware, which
acts on a timescale of a few milliseconds, to a control-relevant timescale on
the order of hundreds of milliseconds. Another problem is the execution of
complex trajectories, which requires spiking activity to contain sufficient
variability, while at the same time, for reliable performance, network dynamics
must be adequately robust against noise. In this study we exploit a recently
developed biologically-inspired spiking neural network model, the so-called
anisotropic network. We identified and transferred the core principles of the
anisotropic network to neuromorphic hardware using Intel's neuromorphic
research chip Loihi and validated the system on trajectories from a
motor-control task performed by a robot arm. We developed a network
architecture including the anisotropic network and a pooling layer which allows
fast spike read-out from the chip and performs an inherent regularization. With
this, we show that the anisotropic network on Loihi reliably encodes sequential
patterns of neural activity, each representing a robotic action, and that the
patterns allow the generation of multidimensional trajectories on
control-relevant timescales. Taken together, our study presents a new algorithm
that allows the generation of complex robotic movements as a building block for
robotic control using state of the art neuromorphic hardware.
- Abstract（参考訳）: ニューロモルフィックハードウェアはフォン・ノイマンのアーキテクチャに比べて有望な利点がいくつかあり、ロボット制御に非常に興味深い。
しかし、ニューロモルフィックコンピューティングの高速かつエネルギー効率にもかかわらず、制御シナリオでこのハードウェアを利用するアルゴリズムは依然として稀である。
問題のひとつは、数ミリ秒のタイムスケールで動作するハードウェア上の高速なスパイク活動から、数百ミリ秒の順序で制御関連時間スケールへの移行である。
もう一つの問題は複雑な軌跡の実行であり、スパイクアクティビティは十分な可変性を含むのと同時に、信頼性の高い性能では、ネットワークダイナミクスはノイズに対して十分に堅牢でなければならない。
本研究では,最近開発された生体刺激型スパイクニューラルネットワークモデル,いわゆる異方性ネットワークを利用する。
我々は,intelのニューロモルフィック・リサーチ・チップloihiを用いて,異方性ネットワークのコア原理をニューロモルフィック・ハードウェアに同定・導入し,ロボットアームによる運動制御タスクから軌道上でのシステム検証を行った。
我々は,チップからの高速スパイク読み出しと固有正規化が可能な異方性ネットワークとプーリング層を含むネットワークアーキテクチャを開発した。
これにより、Loihi上の異方性ネットワークは、それぞれがロボット動作を表す連続的な神経活動パターンを確実に符号化し、制御関連時間スケールにおける多次元軌跡の生成を可能にすることを示す。
そこで本研究では,複雑なロボットの動きを,芸術的ニューロモーフィックハードウェアの状態を利用したロボット制御のためのビルディングブロックとして生成するアルゴリズムを提案する。
関連論文リスト
- Embodied Neuromorphic Control Applied on a 7-DOF Robotic Manipulator [10.642836177302533]
逆ダイナミクスは、ロボットシステムの関節空間からトルク空間にマップする基本的なロボット工学の問題である。
スパイキングニューラルネットワークを用いて、動作データの連続性を利用して制御精度を改善し、チューニングパラメータを除去する。
この研究は、概念実証から複雑な実世界のタスクへの応用への一歩前進によって、具体化されたニューロモルフィック制御を推し進める。
論文 参考訳（メタデータ） (2025-04-17T07:13:37Z) - PNAS-MOT: Multi-Modal Object Tracking with Pareto Neural Architecture Search [64.28335667655129]
複数の物体追跡は、自律運転において重要な課題である。
トラッキングの精度が向上するにつれて、ニューラルネットワークはますます複雑になり、レイテンシが高いため、実際の運転シナリオにおける実践的な応用に課題が生じる。
本稿では,ニューラル・アーキテクチャ・サーチ(NAS)手法を用いて追跡のための効率的なアーキテクチャを探索し,比較的高い精度を維持しつつ,低リアルタイム遅延を実現することを目的とした。
論文 参考訳（メタデータ） (2024-03-23T04:18:49Z) - 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) - Neuromorphic analog circuits for robust on-chip always-on learning in
spiking neural networks [1.9809266426888898]
混合信号ニューロモルフィックシステムは、極端コンピューティングタスクを解決するための有望なソリューションである。
彼らのスパイクニューラルネットワーク回路は、連続的にセンサーデータをオンラインに処理するために最適化されている。
我々は,短期的アナログ力学と長期的三状態離散化機構を備えたオンチップ学習回路を設計する。
論文 参考訳（メタデータ） (2023-07-12T11:14:25Z) - 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) - FPGA-optimized Hardware acceleration for Spiking Neural Networks [69.49429223251178]
本研究は,画像認識タスクに適用したオフライントレーニングによるSNN用ハードウェアアクセラレータの開発について述べる。
この設計はXilinx Artix-7 FPGAをターゲットにしており、利用可能なハードウェアリソースの40%を合計で使用している。
分類時間を3桁に短縮し、ソフトウェアと比較すると精度にわずか4.5%の影響を与えている。
論文 参考訳（メタデータ） (2022-01-18T13:59:22Z) - 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) - 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) - Neuromorphic Algorithm-hardware Codesign for Temporal Pattern Learning [11.781094547718595]
複雑な空間時間パターンを学習するためにSNNを訓練できるLeaky IntegrateとFireニューロンの効率的なトレーニングアルゴリズムを導出する。
我々は,ニューロンとシナプスのメムリスタに基づくネットワークのためのCMOS回路実装を開発した。
論文 参考訳（メタデータ） (2021-04-21T18:23:31Z) - Closed-loop spiking control on a neuromorphic processor implemented on
the iCub [4.1388807795505365]
混合信号アナログデジタルニューロモルフィックハードウェアに実装した閉ループモータコントローラを提案する。
ネットワークは、ターゲット、フィードバック、エラー信号を符号化することで比例制御を行う。
ネットワーク構造を最適化して、ノイズの多い入力やデバイスミスマッチをより堅牢にします。
論文 参考訳（メタデータ） (2020-09-01T14:17:48Z) - Surrogate gradients for analog neuromorphic computing [2.6475944316982942]
デバイスミスマッチに対する自己修正学習は,視覚と音声のベンチマークにおいて,競争力のあるネットワーク性能をもたらすことを示す。
我々の研究は、アナログニューロモルフィックハードウェア上での低エネルギースパイクネットワーク処理のための新しいベンチマークをいくつか設定する。
論文 参考訳（メタデータ） (2020-06-12T14:45:12Z) - Populations of Spiking Neurons for Reservoir Computing: Closed Loop
Control of a Compliant Quadruped [64.64924554743982]
本稿では,ニューラルネットワークを用いた中央パターン生成機構を実装し,閉ループロボット制御を実現するためのフレームワークを提案する。
本研究では,従順な四足歩行ロボットのシミュレーションモデル上で,予め定義された歩行パターン,速度制御,歩行遷移の学習を実演する。
論文 参考訳（メタデータ） (2020-04-09T14:32:49Z)
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。