論文の概要: Neuromorphic Control using Input-Weighted Threshold Adaptation
- arxiv url: http://arxiv.org/abs/2304.08778v1
- Date: Tue, 18 Apr 2023 07:21:24 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-19 15:44:37.978172
- Title: Neuromorphic Control using Input-Weighted Threshold Adaptation
- Title（参考訳）: 入力重み付き閾値適応を用いた神経形態制御
- Authors: Stein Stroobants, Christophe De Wagter, Guido C.H.E. de Croon
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 13.237124392668573
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Neuromorphic processing promises high energy efficiency and rapid response
rates, making it an ideal candidate for achieving autonomous flight of
resource-constrained robots. It will be especially beneficial for complex
neural networks as are involved in high-level visual perception. However, fully
neuromorphic solutions will also need to tackle low-level control tasks.
Remarkably, it is currently still challenging to replicate even basic low-level
controllers such as proportional-integral-derivative (PID) controllers.
Specifically, it is difficult to incorporate the integral and derivative parts.
To address this problem, we propose a neuromorphic controller that incorporates
proportional, integral, and derivative pathways during learning. Our approach
includes a novel input threshold adaptation mechanism for the integral pathway.
This Input-Weighted Threshold Adaptation (IWTA) introduces an additional weight
per synaptic connection, which is used to adapt the threshold of the
post-synaptic neuron. We tackle the derivative term by employing neurons with
different time constants. We first analyze the performance and limits of the
proposed mechanisms and then put our controller to the test by implementing it
on a microcontroller connected to the open-source tiny Crazyflie quadrotor,
replacing the innermost rate controller. We demonstrate the stability of our
bio-inspired algorithm with flights in the presence of disturbances. The
current work represents a substantial step towards controlling highly dynamic
systems with neuromorphic algorithms, thus advancing neuromorphic processing
and robotics. In addition, integration is an important part of any temporal
task, so the proposed Input-Weighted Threshold Adaptation (IWTA) mechanism may
have implications well beyond control tasks.
- Abstract（参考訳）: ニューロモルフィック処理は高いエネルギー効率と迅速な応答速度を約束し、資源に制約のあるロボットの自律飛行を実現するための理想的な候補となる。
これは、高レベルの視覚知覚に関わる複雑なニューラルネットワークにとって特に有益である。
しかし、完全なニューロモルフィックなソリューションは低レベルの制御タスクにも取り組む必要がある。
注目すべきは、現在なお、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を複製することは困難である。
具体的には、積分部と微分部を組み込むことは困難である。
この問題に対処するために,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。
我々のアプローチは、積分経路に対する新しい入力しきい値適応機構を含む。
この入力重み付き閾値適応(iwta)はシナプス後ニューロンの閾値に適応するために使用されるシナプス接続当たりの重みを増加させる。
我々は、時間定数の異なるニューロンを用いて微分項に取り組む。
まず、提案するメカニズムのパフォーマンスと限界を分析し、その後、最も内側のレートコントローラを置き換える、オープンソースのtiny crazyflie quadrotorに接続されたマイクロコントローラに実装することで、コントローラをテストに投入します。
我々は,外乱の存在下での飛行を伴う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。
現在の研究は、ニューロモルフィックアルゴリズムで高度に動的システムを制御し、ニューロモルフィック処理とロボット工学を進歩させるための重要なステップである。
さらに、統合は時間的タスクの重要な部分であるため、提案された入出力閾値適応(IWTA)メカニズムは、制御タスクよりもはるかに多くの意味を持つ可能性がある。
関連論文リスト
- 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) - The Expressive Leaky Memory Neuron: an Efficient and Expressive Phenomenological Neuron Model Can Solve Long-Horizon Tasks [64.08042492426992]
本稿では,脳皮質ニューロンの生物学的モデルであるExpressive Memory(ELM)ニューロンモデルを紹介する。
ELMニューロンは、上記の入力-出力関係を1万以下のトレーニング可能なパラメータと正確に一致させることができる。
本稿では,Long Range Arena(LRA)データセットなど,時間構造を必要とするタスクで評価する。
論文 参考訳（メタデータ） (2023-06-14T13:34:13Z) - Near-optimal control of dynamical systems with neural ordinary
differential equations [0.0]
ディープラーニングとニューラルネットワークに基づく最適化の最近の進歩は、高次元力学系を含む制御問題を解くのに役立つ方法の開発に寄与している。
まず、時間を通して切り詰められた非切り抜きのバックプロパゲーションが、実行時のパフォーマンスとニューラルネットワークが最適な制御関数を学習する能力にどのように影響するかを分析する。
論文 参考訳（メタデータ） (2022-06-22T14:11:11Z) - Adaptation through prediction: multisensory active inference torque
control [0.0]
本稿では,産業用アームのための多感能動型トルクコントローラを提案する。
私たちのコントローラは、予測的脳仮説にインスパイアされ、現在のアクティブな推論アプローチの能力を向上します。
論文 参考訳（メタデータ） (2021-12-13T16:03:18Z) - Neural optimal feedback control with local learning rules [67.5926699124528]
運動制御の大きな問題は、脳がどのように遅延と雑音の刺激に直面して適切な動きを計画し実行するかを理解することである。
本稿では,適応カルマンフィルタとモデル自由制御手法を組み合わせた新しいオンラインアルゴリズムを提案する。
論文 参考訳（メタデータ） (2021-11-12T20:02:00Z) - Physics-informed Neural Networks-based Model Predictive Control for
Multi-link Manipulators [0.0]
物理インフォームド機械学習手法を用いて,多体ダイナミクスに対する非線形モデル予測制御(NMPC)について論じる。
本稿では,ネットワーク入力として制御動作と初期条件を付加することでPINNの強化を提案する。
PINNベースのMPCを用いて,複雑な機械システムにおける追跡問題の解法を提案する。
論文 参考訳（メタデータ） (2021-09-22T15:31:24Z) - 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) - Towards self-organized control: Using neural cellular automata to
robustly control a cart-pole agent [62.997667081978825]
我々は、カートポールエージェントを制御するために、ニューラルセルオートマトンを使用する。
我々は、Q値の推定値として出力セルの状態を用いる深層学習を用いてモデルを訓練した。
論文 参考訳（メタデータ） (2021-06-29T10:49:42Z) - 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) - Towards Efficient Processing and Learning with Spikes: New Approaches
for Multi-Spike Learning [59.249322621035056]
各種タスクにおける他のベースラインよりも優れた性能を示すための2つの新しいマルチスパイク学習ルールを提案する。
特徴検出タスクでは、教師なしSTDPの能力と、その制限を提示する能力を再検討する。
提案した学習ルールは,特定の制約を適用せずに,幅広い条件で確実にタスクを解くことができる。
論文 参考訳（メタデータ） (2020-05-02T06:41:20Z) - Improving Input-Output Linearizing Controllers for Bipedal Robots via
Reinforcement Learning [85.13138591433635]
入力出力線形化コントローラの主な欠点は、正確な力学モデルが必要であり、入力制約を考慮できないことである。
本稿では,強化学習技術を用いた二足歩行ロボット制御の具体例について,両課題に対処する。
論文 参考訳（メタデータ） (2020-04-15T18:15:49Z)
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。