論文の概要: Towards Cognitive Navigation: Design and Implementation of a
Biologically Inspired Head Direction Cell Network
- arxiv url: http://arxiv.org/abs/2109.10689v1
- Date: Wed, 22 Sep 2021 12:35:43 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-14 01:18:14.753294
- Title: Towards Cognitive Navigation: Design and Implementation of a
Biologically Inspired Head Direction Cell Network
- Title（参考訳）: 認知ナビゲーションを目指して : 生体にインスパイアされた頭部指向細胞ネットワークの設計と実装
- Authors: Zhenshan Bing, Amir EI Sewisy, Genghang Zhuang, Florian Walter,
Fabrice O. Morin, Kai Huang, Alois Knoll
- Abstract要約: 方向細胞(HDC)は水平面における方向方向を同心的に同定する上で重要な役割を担っていることが証明されている。
本稿では,生体HDCに関するいくつかの神経生理学的知見と一致した計算用HDCネットワークを提案する。
提案したHDCモデルをシミュレーションおよび実世界の実験で検証し,精度と実時間性能の点で優れた性能を示す。
- 参考スコア（独自算出の注目度）: 8.07148590269595
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: As a vital cognitive function of animals, the navigation skill is first built
on the accurate perception of the directional heading in the environment. Head
direction cells (HDCs), found in the limbic system of animals, are proven to
play an important role in identifying the directional heading allocentrically
in the horizontal plane, independent of the animal's location and the ambient
conditions of the environment. However, practical HDC models that can be
implemented in robotic applications are rarely investigated, especially those
that are biologically plausible and yet applicable to the real world. In this
paper, we propose a computational HDC network which is consistent with several
neurophysiological findings concerning biological HDCs, and then implement it
in robotic navigation tasks. The HDC network keeps a representation of the
directional heading only relying on the angular velocity as an input. We
examine the proposed HDC model in extensive simulations and real-world
experiments and demonstrate its excellent performance in terms of accuracy and
real-time capability.
- Abstract（参考訳）: 動物にとって重要な認知機能として、ナビゲーションスキルは、まず環境における方向の正確な認識に基づいて構築される。
動物の辺縁系で見られる方向細胞(HDC)は、動物の位置や環境の環境に依存しない水平面において、方向方向を同心的に同定する上で重要な役割を担っていることが証明されている。
しかし、ロボットに応用できる実用的なhdcモデルはほとんど研究されておらず、特に生物学的に実用的でありながら実世界に適用できるモデルである。
本稿では,生体hdcに関するいくつかの神経生理学的知見と整合した計算型hdcネットワークを提案し,ロボットナビゲーションタスクに実装する。
HDCネットワークは、入力としての角速度のみに依存する方向方向の表現を保持する。
提案したHDCモデルをシミュレーションおよび実世界の実験で検証し,精度と実時間性能の点で優れた性能を示す。
関連論文リスト
- Bio-inspired spike-based Hippocampus and Posterior Parietal Cortex
models for robot navigation and environment pseudo-mapping [52.77024349608834]
本研究はスパイクに基づくロボットナビゲーションと環境擬似マッピングシステムを提案する。
海馬は環境状態マップの表現を担い、PPCは局所的な意思決定を担当している。
これはバイオインスパイアされた海馬記憶に基づく動的学習を用いた環境擬似マッピングシステムの最初の実装である。
論文 参考訳（メタデータ） (2023-05-22T10:20:34Z) - Modelling Human Visual Motion Processing with Trainable Motion Energy
Sensing and a Self-attention Network [1.9458156037869137]
本稿では,生体とコンピュータの視覚モデルとのギャップを埋めることで,人間の動作知覚のイメージ計算可能なモデルを提案する。
このモデルアーキテクチャは、生体視覚システムにおける運動知覚のコア構造であるV1-MTの計算を捉えることを目的としている。
サイリコ神経生理学では、我々のモデルの単位応答は、運動プーリングやスピードチューニングに関する哺乳類の神経記録に類似していることが明らかになっている。
論文 参考訳（メタデータ） (2023-05-16T04:16:07Z) - Emergence of Maps in the Memories of Blind Navigation Agents [68.41901534985575]
動物ナビゲーション研究は、生物が環境の空間的表現(地図)を構築、維持する、という仮説を定めている。
私たちはマシン、具体的には人工知能(AI)ナビゲーションエージェントが、暗黙の(あるいは「メンタル」な)マップを構築しているかどうか尋ねる。
動物ナビゲーションとは異なり、エージェントの知覚システムを司法的に設計し、学習パラダイムを制御して代替ナビゲーション機構を無効化することができる。
論文 参考訳（メタデータ） (2023-01-30T20:09:39Z) - Neuromorphic Computing and Sensing in Space [69.34740063574921]
神経型コンピュータチップは、生物学的脳の構造を模倣するように設計されている。
ニューロモルフィックデバイスの低消費電力とエネルギー効率に重点を置くことは、宇宙応用には最適である。
論文 参考訳（メタデータ） (2022-12-10T07:46:29Z) - Bridging the Gap to Real-World Object-Centric Learning [66.55867830853803]
自己教師付き方法で訓練されたモデルから特徴を再構成することは、完全に教師なしの方法でオブジェクト中心表現が生じるための十分な訓練信号であることを示す。
我々のアプローチであるDINOSAURは、シミュレーションデータ上で既存のオブジェクト中心学習モデルよりも大幅に優れています。
論文 参考訳（メタデータ） (2022-09-29T15:24:47Z) - Biological connectomes as a representation for the architecture of
artificial neural networks [0.0]
我々は、C. Elegans線虫の運動回路を、生物物理学的リアリズムの様々なレベルにおいて、人工ニューラルネットワークに変換する。
C. Elegans の移動回路は移動問題に強力な帰納バイアスを与えるが,その構造は移動に関係のないタスクのパフォーマンスを阻害する可能性がある。
論文 参考訳（メタデータ） (2022-09-28T20:25:26Z) - Optical flow-based branch segmentation for complex orchard environments [73.11023209243326]
シミュレーションでは、シミュレーションでは、シミュレーションされたRGBデータと光フローのみを用いてニューラルネットワークシステムを訓練する。
このニューラルネットワークは、忙しい果樹園環境において、追加の現実世界のトレーニングや、標準カメラ以外の特別な設定や機器を使用することなく、前景の枝のセグメンテーションを行うことができる。
その結果,本システムは高精度であり,手動ラベル付きRGBDデータを用いたネットワークと比較すると,トレーニングセットと異なる環境において,より一貫性と堅牢性を実現していることがわかった。
論文 参考訳（メタデータ） (2022-02-26T03:38:20Z) - A Compact and Interpretable Convolutional Neural Network for
Cross-Subject Driver Drowsiness Detection from Single-Channel EEG [4.963467827017178]
本稿では,ドライバの眠気検出のために,複数の被験者間で共有された脳波特徴を検出するための,コンパクトで解釈可能な畳み込みニューラルネットワークを提案する。
その結果,脳波信号の分類では,被験者11名に対して平均73.22%の精度が得られることがわかった。
論文 参考訳（メタデータ） (2021-05-30T14:36:34Z) - RoboTHOR: An Open Simulation-to-Real Embodied AI Platform [56.50243383294621]
インタラクティブで具体化された視覚AIの研究を民主化するためにRoboTHORを導入する。
シミュレーションで訓練されたモデルの性能は,シミュレーションと慎重に構築された物理アナログの両方で試験される場合,大きな差があることが示される。
論文 参考訳（メタデータ） (2020-04-14T20:52:49Z) - A Spiking Neural Network Emulating the Structure of the Oculomotor
System Requires No Learning to Control a Biomimetic Robotic Head [0.0]
バイオミメティック・ロボットヘッドのプロトタイプの心臓にニューロモルフィック・オキュロモータ・コントローラが配置されている。
コントローラは、すべてのデータがスパイクニューラルネットワーク(SNN)によって符号化され、処理されるという意味でユニークなものです。
ロボットの目標追跡能力について報告し、その眼球運動学は人間の眼研究で報告されたものと類似していることを示し、生物学的に制約された学習を用いて、その性能をさらに向上させることができることを示す。
論文 参考訳（メタデータ） (2020-02-18T13:03:06Z)
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。