論文の概要: A Bioinspired Approach-Sensitive Neural Network for Collision Detection
in Cluttered and Dynamic Backgrounds
- arxiv url: http://arxiv.org/abs/2103.00857v1
- Date: Mon, 1 Mar 2021 09:16:18 GMT
- ステータス: 処理完了
- システム内更新日: 2021-03-04 11:08:24.767932
- Title: A Bioinspired Approach-Sensitive Neural Network for Collision Detection
in Cluttered and Dynamic Backgrounds
- Title(参考訳): クラッタと動的背景の衝突検出のためのバイオインスパイアアプローチ感応ニューラルネットワーク
- Authors: Xiao Huang, Hong Qiao, Hui Li and Zhihong Jiang
- Abstract要約: 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。
- 参考スコア(独自算出の注目度): 19.93930316898735
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Rapid, accurate and robust detection of looming objects in cluttered moving
backgrounds is a significant and challenging problem for robotic visual systems
to perform collision detection and avoidance tasks. Inspired by the neural
circuit of elementary motion vision in the mammalian retina, this paper
proposes a bioinspired approach-sensitive neural network (ASNN) that contains
three main contributions. Firstly, a direction-selective visual processing
module is built based on the spatiotemporal energy framework, which can
estimate motion direction accurately via only two mutually perpendicular
spatiotemporal filtering channels. Secondly, a novel approach-sensitive neural
network is modeled as a push-pull structure formed by ON and OFF pathways,
which responds strongly to approaching motion while insensitivity to lateral
motion. Finally, a method of directionally selective inhibition is introduced,
which is able to suppress the translational backgrounds effectively. Extensive
synthetic and real robotic experiments show that the proposed model is able to
not only detect collision accurately and robustly in cluttered and dynamic
backgrounds but also extract more collision information like position and
direction, for guiding rapid decision making.
- Abstract(参考訳): 衝突検出や回避作業を行うロボットの視覚システムにとって、乱雑な動きの背景にある略奪物体の迅速かつ正確でロバストな検出は、重要かつ困難な課題である。
本論文は,哺乳類網膜における一次運動視覚の神経回路に触発され,生体感応型アプローチ感応型ニューラルネットワーク (asnn) を提案する。
第一に、方向選択型視覚処理モジュールは、時空間エネルギーフレームワークに基づいて構築され、2つの相互垂直時空間フィルタリングチャネルのみを介して正確に運動方向を推定することができる。
第二に、新しいアプローチ感応ニューラルネットワークは、横運動に非感応性を持ちながら接近運動に強く応答するオン・オフ経路によって形成されるプッシュプル構造としてモデル化される。
最後に、翻訳の背景を効果的に抑制することができる方向選択的阻害の方法が導入されます。
広汎な合成および実ロボット実験により,提案モデルでは,衝突の正確な検出だけでなく,位置や方向などの衝突情報を抽出することで,迅速な意思決定を導出できることが示されている。
関連論文リスト
- MotionTrack: Learning Motion Predictor for Multiple Object Tracking [68.68339102749358]
本研究では,学習可能なモーション予測器を中心に,新しいモーショントラッカーであるMotionTrackを紹介する。
実験結果から、MotionTrackはDancetrackやSportsMOTといったデータセット上での最先端のパフォーマンスを示す。
論文 参考訳(メタデータ) (2023-06-05T04:24:11Z) - Spatio-Temporal Feedback Control of Small Target Motion Detection Visual
System [9.03311522244788]
本稿では,時間的フィードバックを用いた視覚システムを構築し,小さな目標運動を検出する。
提案する視覚系は2つの相補的な空間ニューロンからなる。
実験結果から,本システムは小型目標検出における既存手法よりも競争力が高いことが示された。
論文 参考訳(メタデータ) (2022-11-18T10:10:48Z) - Neural Motion Fields: Encoding Grasp Trajectories as Implicit Value
Functions [65.84090965167535]
本稿では,ニューラルネットワークによってパラメータ化される暗黙的値関数として,オブジェクト点群と相対的タスク軌跡の両方を符号化する新しいオブジェクト表現であるNeural Motion Fieldsを提案する。
このオブジェクト中心表現は、SE(3)空間上の連続分布をモデル化し、サンプリングベースのMPCを利用して、この値関数を最適化することで、反応的に把握することができる。
論文 参考訳(メタデータ) (2022-06-29T18:47:05Z) - A Bioinspired Retinal Neural Network for Accurately Extracting
Small-Target Motion Information in Cluttered Backgrounds [19.93930316898735]
本稿では,新しいニューロベース運動フィルタリングと多形2次元空間フィルタリングに基づくバイオインスパイアニューラルネットワークを提案する。
2つの信号だけで正確に動きの方向を推定し、異なる大きさと速度の小さな目標に反応する。
また、動き方向や動きの情報を正確かつ迅速に抽出することもできる。
論文 参考訳(メタデータ) (2021-03-01T08:44:27Z) - Fast Motion Understanding with Spatiotemporal Neural Networks and
Dynamic Vision Sensors [99.94079901071163]
本稿では,高速な動きを推論するための動的視覚センサ(DVS)システムを提案する。
ロボットが15m/s以上の速度で接近する小さな物体に反応するケースを考察する。
我々は,23.4m/sで24.73degの誤差を$theta$,18.4mmの平均離散半径予測誤差,衝突予測誤差に対する25.03%の中央値で移動した玩具ダートについて,本システムの結果を強調した。
論文 参考訳(メタデータ) (2020-11-18T17:55:07Z) - Risk-Averse MPC via Visual-Inertial Input and Recurrent Networks for
Online Collision Avoidance [95.86944752753564]
本稿では,モデル予測制御(MPC)の定式化を拡張したオンライン経路計画アーキテクチャを提案する。
我々のアルゴリズムは、状態推定の共分散を推論するリカレントニューラルネットワーク(RNN)とオブジェクト検出パイプラインを組み合わせる。
本手法のロバスト性は, 複雑な四足歩行ロボットの力学で検証され, ほとんどのロボットプラットフォームに適用可能である。
論文 参考訳(メタデータ) (2020-07-28T07:34:30Z) - Limited-angle tomographic reconstruction of dense layered objects by
dynamical machine learning [68.9515120904028]
強い散乱準透明物体の有限角トモグラフィーは困難で、非常に不適切な問題である。
このような問題の状況を改善することにより、アーティファクトの削減には、事前の定期化が必要である。
我々は,新しい分割畳み込みゲート再帰ユニット(SC-GRU)をビルディングブロックとして,リカレントニューラルネットワーク(RNN)アーキテクチャを考案した。
論文 参考訳(メタデータ) (2020-07-21T11:48:22Z) - TENet: Triple Excitation Network for Video Salient Object Detection [57.72696926903698]
我々は、ビデオ・サリエント・オブジェクト検出(VSOD)のトレーニングを強化するため、トリプル・エキサイティング・ネットワーク(Triple Excitation Network)というシンプルで効果的なアプローチを提案する。
これらの励磁機構は、カリキュラム学習の精神に従って設計され、訓練開始時の学習を減らすことを目的としている。
私たちの半カリキュラム学習設計では、VSODのオンライン戦略を初めて実現しています。
論文 参考訳(メタデータ) (2020-07-20T08:45:41Z) - Modelling Drosophila Motion Vision Pathways for Decoding the Direction
of Translating Objects Against Cluttered Moving Backgrounds [6.670414650224423]
本稿では,ショウジョウバエの運動視覚経路について検討し,生理学的研究に基づく計算モデルを提案する。
提案した視覚系モデルでは,ONとOF経路,広視野水平感度 (HS) および垂直感度 (VS) が特徴的である。
実験では,提案したニューラルネットワークモデルの有効性を検証するとともに,高速移動,高コントラスト,大型目標に対する応答性を示す。
論文 参考訳(メタデータ) (2020-07-02T05:15:31Z) - Drosophila-Inspired 3D Moving Object Detection Based on Point Clouds [22.850519892606716]
我々はショウジョウバエの浅部視覚神経経路に基づく運動検出装置を開発した。
この検出器は物体の動きに敏感であり、背景雑音を十分に抑制することができる。
次に、改良された3Dオブジェクト検出ネットワークを用いて、各提案の点雲を推定し、3D境界ボックスとオブジェクトカテゴリを効率的に生成する。
論文 参考訳(メタデータ) (2020-05-06T10:04:23Z) - 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。