論文の概要: Towards spiking analog hardware implementation of a trajectory interpolation mechanism for smooth closed-loop control of a spiking robot arm
- arxiv url: http://arxiv.org/abs/2501.17172v1
- Date: Thu, 23 Jan 2025 14:11:32 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-01-30 15:54:17.608354
- Title: Towards spiking analog hardware implementation of a trajectory interpolation mechanism for smooth closed-loop control of a spiking robot arm
- Title(参考訳): スパイクロボットアームの円滑閉ループ制御のための軌道補間機構のスパイクアナログハードウェア実装に向けて
- Authors: Daniel Casanueva-Morato, Chenxi Wu, Giacomo Indiveri, Juan P. Dominguez-Morales, Alejandro Linares-Barranco,
- Abstract要約: イベントベースロボットアームのためのクローズドループニューロモルフィック制御システムを提案する。
提案システムは、シフトしたWinner-Take-Allスパイクネットワークと、スパイクコンパレータネットワークで構成されている。
本システムを評価するため,混合信号アナログデジタルニューロモルフィックプラットフォーム上でモデルを実装,展開した。
- 参考スコア(独自算出の注目度): 41.54924235047016
- License:
- Abstract: Neuromorphic engineering aims to incorporate the computational principles found in animal brains, into modern technological systems. Following this approach, in this work we propose a closed-loop neuromorphic control system for an event-based robotic arm. The proposed system consists of a shifted Winner-Take-All spiking network for interpolating a reference trajectory and a spiking comparator network responsible for controlling the flow continuity of the trajectory, which is fed back to the actual position of the robot. The comparator model is based on a differential position comparison neural network, which governs the execution of the next trajectory points to close the control loop between both components of the system. To evaluate the system, we implemented and deployed the model on a mixed-signal analog-digital neuromorphic platform, the DYNAP-SE2, to facilitate integration and communication with the ED-Scorbot robotic arm platform. Experimental results on one joint of the robot validate the use of this architecture and pave the way for future neuro-inspired control of the entire robot.
- Abstract(参考訳): ニューロモルフィックエンジニアリングは、動物の脳で見られる計算原理を現代の技術システムに組み込むことを目的としている。
本研究は,イベントベースロボットアームのためのクローズドループニューロモルフィック制御システムを提案する。
提案システムは,参照軌跡を補間するシフトしたWinner-Take-Allスパイキングネットワークと,ロボットの実際の位置にフィードバックされる軌跡の流れの連続性を制御するためのスパイキングコンパレータネットワークとから構成される。
コンパレータモデルは、次の軌道点の実行を制御し、システムの両コンポーネント間の制御ループを閉じる差動位置比較ニューラルネットワークに基づいている。
本システムを評価するため, ED-Scorbot ロボットアームプラットフォームとの統合と通信を容易にするために, 混合信号アナログデジタルニューロモルフィックプラットフォーム DYNAP-SE2 上でモデルを実装, 展開した。
ロボットの一方の関節における実験結果は、このアーキテクチャの使用を検証し、将来の神経に触発されたロボット全体の制御の道を開く。
関連論文リスト
- LPAC: Learnable Perception-Action-Communication Loops with Applications
to Coverage Control [80.86089324742024]
本稿では,その問題に対する学習可能なパーセプション・アクション・コミュニケーション(LPAC)アーキテクチャを提案する。
CNNは局所認識を処理する。グラフニューラルネットワーク(GNN)はロボットのコミュニケーションを促進する。
評価の結果,LPACモデルは標準分散型および集中型カバレッジ制御アルゴリズムよりも優れていた。
論文 参考訳(メタデータ) (2024-01-10T00:08:00Z) - Model-free tracking control of complex dynamical trajectories with
machine learning [0.2356141385409842]
我々は,2腕ロボットマニピュレータを制御するモデルフリーの機械学習フレームワークを開発した。
様々な周期的信号とカオス的信号を用いた制御フレームワークの有効性を示す。
論文 参考訳(メタデータ) (2023-09-20T17:10:10Z) - Efficient Interaction-Aware Interval Analysis of Neural Network Feedback Loops [4.768272342753616]
本稿では,ニューラルネットワークコントローラを用いたシステムの間隔到達性向上のための計算効率のよいフレームワークを提案する。
オープンループシステムとニューラルネットワークコントローラの包摂関数を用いて、閉ループシステムをより大きな次元埋め込みシステムに埋め込む。
論文 参考訳(メタデータ) (2023-07-27T15:30:22Z) - 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) - SABER: Data-Driven Motion Planner for Autonomously Navigating
Heterogeneous Robots [112.2491765424719]
我々は、データ駆動型アプローチを用いて、異種ロボットチームをグローバルな目標に向けてナビゲートする、エンドツーエンドのオンラインモーションプランニングフレームワークを提案する。
モデル予測制御(SMPC)を用いて,ロボット力学を満たす制御入力を計算し,障害物回避時の不確実性を考慮した。
リカレントニューラルネットワークは、SMPC有限時間地平線解における将来の状態の不確かさを素早く推定するために用いられる。
ディープQ学習エージェントがハイレベルパスプランナーとして機能し、SMPCにロボットを望ましいグローバルな目標に向けて移動させる目標位置を提供する。
論文 参考訳(メタデータ) (2021-08-03T02:56:21Z) - Learning Interaction-Aware Trajectory Predictions for Decentralized
Multi-Robot Motion Planning in Dynamic Environments [10.345048137438623]
本稿では、リカレントニューラルネットワーク(RNN)に基づく新しい軌道予測モデルを提案する。
次に,軌道予測モデルをマルチロボット衝突回避のための分散モデル予測制御(MPC)フレームワークに組み込む。
論文 参考訳(メタデータ) (2021-02-10T11:11:08Z) - 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) - 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。