論文の概要: A toolbox for neuromorphic sensing in robotics
- arxiv url: http://arxiv.org/abs/2103.02751v2
- Date: Tue, 5 Oct 2021 09:02:53 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-09 07:43:06.510196
- Title: A toolbox for neuromorphic sensing in robotics
- Title（参考訳）: ロボティクスにおけるニューロモルフィックセンシングのためのツールボックス
- Authors: Julien Dupeyroux, Stein Stroobants, Guido de Croon
- Abstract要約: ロボット上で利用可能なあらゆる種類のセンサからの入力信号をエンコードし、デコードするためのROS(Robot Operating System)ツールボックスを導入する。
このイニシアチブは、ニューロモルフィックAIのロボット統合を刺激し促進することを目的としている。
- 参考スコア（独自算出の注目度）: 4.157415305926584
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: The third generation of artificial intelligence (AI) introduced by
neuromorphic computing is revolutionizing the way robots and autonomous systems
can sense the world, process the information, and interact with their
environment. The promises of high flexibility, energy efficiency, and
robustness of neuromorphic systems is widely supported by software tools for
simulating spiking neural networks, and hardware integration (neuromorphic
processors). Yet, while efforts have been made on neuromorphic vision
(event-based cameras), it is worth noting that most of the sensors available
for robotics remain inherently incompatible with neuromorphic computing, where
information is encoded into spikes. To facilitate the use of traditional
sensors, we need to convert the output signals into streams of spikes, i.e., a
series of events (+1, -1) along with their corresponding timestamps. In this
paper, we propose a review of the coding algorithms from a robotics perspective
and further supported by a benchmark to assess their performance. We also
introduce a ROS (Robot Operating System) toolbox to encode and decode input
signals coming from any type of sensor available on a robot. This initiative is
meant to stimulate and facilitate robotic integration of neuromorphic AI, with
the opportunity to adapt traditional off-the-shelf sensors to spiking neural
nets within one of the most powerful robotic tools, ROS.
- Abstract（参考訳）: ニューロモルフィックコンピューティングによって導入された第3世代の人工知能(AI)は、ロボットや自律システムが世界を感知し、情報を処理し、環境と対話する方法に革命をもたらしている。
ニューロモルフィックシステムの高い柔軟性、エネルギー効率、堅牢性の約束は、スパイクニューラルネットワークをシミュレートするソフトウェアツールとハードウェア統合(ニューロモーフィックプロセッサ)によって広く支持されている。
しかし、ニューロモルフィック・ビジョン(イベントベースのカメラ)への取り組みは行われているが、ロボット工学で利用可能なセンサーのほとんどは、情報がスパイクにエンコードされるニューロモルフィック・コンピューティングと本質的には相容れない。
従来のセンサの使用を容易にするためには、出力信号をスパイクのストリーム、すなわち一連のイベント(+1, -1)と対応するタイムスタンプに変換する必要がある。
本稿では,ロボット工学の観点からのコーディングアルゴリズムのレビューを行い,その性能を評価するためのベンチマークによってさらに支援する。
また,ロボット上で利用可能なセンサの入力信号をエンコードし,デコードするためのROS (Robot Operating System)ツールボックスも導入した。
このイニシアチブは、ニューロモルフィックAIのロボット統合を刺激し、促進することを目的としている。
関連論文リスト
- Digitizing Touch with an Artificial Multimodal Fingertip [51.7029315337739]
人間とロボットはどちらも、周囲の環境を知覚し、相互作用するためにタッチを使うことの恩恵を受ける。
ここでは、タッチのデジタル化を改善するための概念的および技術革新について述べる。
これらの進歩は、高度なセンシング機能を備えた人工指型センサーに具現化されている。
論文 参考訳（メタデータ） (2024-11-04T18:38:50Z) - RoboScript: Code Generation for Free-Form Manipulation Tasks across Real
and Simulation [77.41969287400977]
本稿では,コード生成を利用したデプロイ可能なロボット操作パイプラインのためのプラットフォームである textbfRobotScript を提案する。
自由形自然言語におけるロボット操作タスクのためのコード生成ベンチマークも提案する。
我々は,Franka と UR5 のロボットアームを含む,複数のロボットエボディメントにまたがるコード生成フレームワークの適応性を実証した。
論文 参考訳（メタデータ） (2024-02-22T15:12:00Z) - Fully Spiking Neural Network for Legged Robots [6.974746966671198]
脚のあるロボットのためのスパイキングニューラルネットワーク(SNN)は、シミュレーションされた地形において例外的な性能を示す。
SNNは推論速度とエネルギー消費の自然な利点を提供する。
本研究では,他の学習モデルにシームレスに統合可能な脚付きロボットのための高効率SNNを提案する。
論文 参考訳（メタデータ） (2023-10-08T05:48:30Z) - Robot Learning with Sensorimotor Pre-training [98.7755895548928]
ロボット工学のための自己教師型感覚運動器事前学習手法を提案する。
我々のモデルはRTTと呼ばれ、センサモレータトークンのシーケンスで動作するトランスフォーマーである。
感覚運動の事前学習は、ゼロからトレーニングを一貫して上回り、優れたスケーリング特性を持ち、さまざまなタスク、環境、ロボット間での移動を可能にしている。
論文 参考訳（メタデータ） (2023-06-16T17:58:10Z) - 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) - Artificial Intelligence Enables Real-Time and Intuitive Control of
Prostheses via Nerve Interface [25.870454492249863]
本物の手のように動き、感じる次世代の義手は、人間の心と機械の間の堅牢な神経の相互接続を必要とします。
本稿では,人工知能(AI)エージェントを用いて末梢神経インターフェースを介して切断者の運動意図を翻訳することにより,その原理を実証する神経補綴システムを提案する。
論文 参考訳（メタデータ） (2022-03-16T14:33:38Z) - A neural net architecture based on principles of neural plasticity and
development evolves to effectively catch prey in a simulated environment [2.834895018689047]
A-Lifeにとっての大きな課題は、行動が「ライフライク」なエージェントを深く構築することである。
本稿では,動物の脳を構成するプロセスに類似したプロセスを用いて,人工エージェントを駆動するネットワークを構築するためのアーキテクチャとアプローチを提案する。
このアーキテクチャは、センサー入力の変化に対する迅速な応答を可能にするため、小さな自律ロボットやドローンを制御するのに有用であると考えています。
論文 参考訳（メタデータ） (2022-01-28T05:10:56Z) - Task-relevant Representation Learning for Networked Robotic Perception [74.0215744125845]
本稿では,事前学習されたロボット知覚モデルの最終的な目的と協調して設計された感覚データのタスク関連表現を学習するアルゴリズムを提案する。
本アルゴリズムは,ロボットの知覚データを競合する手法の最大11倍まで積極的に圧縮する。
論文 参考訳（メタデータ） (2020-11-06T07:39:08Z) - An Astrocyte-Modulated Neuromorphic Central Pattern Generator for
Hexapod Robot Locomotion on Intel's Loihi [0.0]
移動は、自然界に豊富な生物学的ネットワークによって「不運に」対処される脚のあるロボットにとって重要な課題であり、中央パターンジェネレータ(CPG)と呼ばれる。
そこで本研究では,ヘキサポッドロボットの歩行パターンを2つ生成する網羅的スパイキング型ニューラル・アストロサイトティックネットワークに基づく脳型CPG制御器を提案する。
我々の研究結果は、自律移動ロボットにおいて、この方法や、Loihiが制御するロコモーションへのアプローチを拡大する道を開いた。
論文 参考訳（メタデータ） (2020-06-08T17:35:48Z) - 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。