論文の概要: Evolved neuromorphic radar-based altitude controller for an autonomous open-source blimp

• arxiv url: http://arxiv.org/abs/2110.00646v2
• Date: Mon, 7 Mar 2022 14:51:40 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-12 19:46:31.788599
• Title: Evolved neuromorphic radar-based altitude controller for an autonomous open-source blimp
• Title（参考訳）: 自律型オープンソースblimpのための進化型ニューロモルフィックレーダベースの高度制御装置
• Authors: Marina Gonz\'alez-\'Alvarez, Julien Dupeyroux, Federico Corradi, Guido de Croon
• Abstract要約: 本稿では,ロボット飛行船のためのSNNに基づく高度制御器を提案する。 また、SNNベースのコントローラアーキテクチャ、シミュレーション環境でネットワークをトレーニングするための進化的フレームワーク、現実とのギャップを改善するための制御戦略も提示する。
• 参考スコア（独自算出の注目度）: 4.350434044677268
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Robotic airships offer significant advantages in terms of safety, mobility, and extended flight times. However, their highly restrictive weight constraints pose a major challenge regarding the available computational resources to perform the required control tasks. Neuromorphic computing stands for a promising research direction for addressing such problem. By mimicking the biological process for transferring information between neurons using spikes or impulses, spiking neural networks (SNNs) allow for low power consumption and asynchronous event-driven processing. In this paper, we propose an evolved altitude controller based on an SNN for a robotic airship which relies solely on the sensory feedback provided by an airborne radar. Starting from the design of a lightweight, low-cost, open-source airship, we also present an SNN-based controller architecture, an evolutionary framework for training the network in a simulated environment, and a control strategy for ameliorating the gap with reality. The system's performance is evaluated through real-world experiments, demonstrating the advantages of our approach by comparing it with an artificial neural network and a linear controller. The results show an accurate tracking of the altitude command with an efficient control effort.
• Abstract（参考訳）: ロボット飛行船は安全性、移動性、飛行時間の延長という点で大きな利点がある。 しかしながら、それらの非常に制限的な重み制約は、必要な制御タスクを実行するために利用可能な計算リソースに関して大きな課題となる。 ニューロモルフィックコンピューティングは、そのような問題に対処するための有望な研究方向である。 スパイクやインパルスを使ってニューロン間で情報を伝達する生物学的プロセスの模倣によって、スパイクニューラルネットワーク(SNN)は低消費電力と非同期イベント駆動処理を実現する。 本稿では,航空機搭載レーダによるセンサフィードバックのみに依存する,ロボット飛行船用snを用いた高度制御システムを提案する。 軽量で低コストでオープンソースの飛行船の設計から始まり、SNNベースの制御アーキテクチャ、シミュレーション環境でネットワークを訓練するための進化的フレームワーク、現実とのギャップを改善するための制御戦略も提示する。 本システムの性能は実世界実験により評価され,ニューラルネットワークと線形制御器との比較により,本手法の利点を実証した。 その結果,高度指令の正確な追跡と効率的な制御が得られた。

関連論文リスト

• Neuromorphic Attitude Estimation and Control [17.895261339368815]
  本研究では、スパイキングニューラルネットワーク(SNN)を用いた最初のニューロモルフィック制御システムを提案する。 そこで本手法を低レベル姿勢推定・制御に応用し,SNNを小さなクラジフリー上に配置する。 我々の研究は、高エネルギー効率で低遅延のニューロモルフィックオートパイロットの基礎となる、ニューロモルフィック・エンド・ツー・エンド制御の実現可能性を示している。
  論文  参考訳（メタデータ） (2024-11-21T08:54:45Z)
• 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)
• Reaching the Limit in Autonomous Racing: Optimal Control versus Reinforcement Learning [66.10854214036605]
  ロボット工学における中心的な問題は、アジャイルなモバイルロボットの制御システムをどうやって設計するかである。 本稿では、強化学習(RL)で訓練されたニューラルネットワークコントローラが最適制御(OC)法より優れていることを示す。 その結果、アジャイルドローンを最大性能に押し上げることができ、最大加速速度は重力加速度の12倍以上、ピーク速度は時速108kmに達しました。
  論文  参考訳（メタデータ） (2023-10-17T02:40:27Z)
• Neuromorphic Control using Input-Weighted Threshold Adaptation [13.237124392668573]
  比例積分微分(PID)コントローラのような基本的な低レベルコントローラでさえ複製することは依然として困難である。 本稿では,学習中に比例経路,積分経路,微分経路を組み込んだニューロモルフィック制御器を提案する。 本研究では,外乱の存在下での飛行によるバイオインスパイアされたアルゴリズムの安定性を実証する。
  論文  参考訳（メタデータ） (2023-04-18T07:21:24Z)
• 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)
• Neural-Fly Enables Rapid Learning for Agile Flight in Strong Winds [96.74836678572582]
  本稿では,ディープラーニングを通じて事前学習した表現を組み込むことで,オンラインでの迅速な適応を可能にする学習ベースのアプローチを提案する。 Neural-Flyは、最先端の非線形かつ適応的なコントローラよりもかなり少ないトラッキングエラーで正確な飛行制御を実現する。
  論文  参考訳（メタデータ） (2022-05-13T21:55:28Z)
• Autonomous Aerial Robot for High-Speed Search and Intercept Applications [86.72321289033562]
  高速物体把握のための完全自律飛行ロボットが提案されている。 追加のサブタスクとして、我々のシステムは、表面に近い極にある気球を自律的にピアスすることができる。 我々のアプローチは、挑戦的な国際競争で検証され、優れた結果が得られました。
  論文  参考訳（メタデータ） (2021-12-10T11:49:51Z)
• 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)
• DikpolaSat Mission: Improvement of Space Flight Performance and Optimal Control Using Trained Deep Neural Network -- Trajectory Controller for Space Objects Collision Avoidance [0.0]
  本稿では,宇宙船を所望の経路に追従させることにより,制御器の実証を行う方法について述べる。 障害回避アルゴリズムは、ニューラルネットワークからの入力を使用して自然に応答する制御機能に組み込まれる。 飛行制御と燃料消費を最適化するための複数のアルゴリズムは、軌道の飛行力学の知識を用いて実装することができる。
  論文  参考訳（メタデータ） (2021-05-30T23:35:13Z)
• Efficient and Robust LiDAR-Based End-to-End Navigation [132.52661670308606]
  我々は,LiDARをベースとした効率的なエンドツーエンドナビゲーションフレームワークを提案する。 本稿では,スパース畳み込みカーネル最適化とハードウェア対応モデル設計に基づくFast-LiDARNetを提案する。 次に,単一の前方通過のみから予測の不確かさを直接推定するハイブリッド・エビデンシャル・フュージョンを提案する。
  論文  参考訳（メタデータ） (2021-05-20T17:52:37Z)
• Evolved Neuromorphic Control for High Speed Divergence-based Landings of MAVs [0.0]
  小型航空機の着陸制御のためのスパイクニューラルネットワークを開発した。 得られたニューロモルフィックコントローラは,シミュレーションから実世界への堅牢な移動を示す。 私たちの知る限りでは、この研究は現実世界の飛行ロボットの制御ループにスパイクするニューラルネットワークを統合する最初のものである。
  論文  参考訳（メタデータ） (2020-03-06T10:19:02Z)

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。