論文の概要: Neuromorphic Computing for Embodied Intelligence in Autonomous Systems: Current Trends, Challenges, and Future Directions
- arxiv url: http://arxiv.org/abs/2507.18139v1
- Date: Thu, 24 Jul 2025 07:01:52 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-07-25 15:10:43.1179
- Title: Neuromorphic Computing for Embodied Intelligence in Autonomous Systems: Current Trends, Challenges, and Future Directions
- Title（参考訳）: 自律システムにおける身体情報のためのニューロモルフィックコンピューティングの現状と課題,今後の方向性
- Authors: Alberto Marchisio, Muhammad Shafique,
- Abstract要約: 本稿では,ニューロモルフィックアルゴリズム,専用ハードウェア,層間最適化戦略の進歩について検討する。
イベントベースの動的視覚センサと、高速で効率的な知覚を可能にする役割には、特に注意が払われる。
機械学習、ロボティクス、ニューロサイエンス、ニューロモーフィックエンジニアリングの視点を統合して、この分野の総合的な展望を提供します。
- 参考スコア（独自算出の注目度）: 5.210197476419623
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The growing need for intelligent, adaptive, and energy-efficient autonomous systems across fields such as robotics, mobile agents (e.g., UAVs), and self-driving vehicles is driving interest in neuromorphic computing. By drawing inspiration from biological neural systems, neuromorphic approaches offer promising pathways to enhance the perception, decision-making, and responsiveness of autonomous platforms. This paper surveys recent progress in neuromorphic algorithms, specialized hardware, and cross-layer optimization strategies, with a focus on their deployment in real-world autonomous scenarios. Special attention is given to event-based dynamic vision sensors and their role in enabling fast, efficient perception. The discussion highlights new methods that improve energy efficiency, robustness, adaptability, and reliability through the integration of spiking neural networks into autonomous system architectures. We integrate perspectives from machine learning, robotics, neuroscience, and neuromorphic engineering to offer a comprehensive view of the state of the field. Finally, emerging trends and open challenges are explored, particularly in the areas of real-time decision-making, continual learning, and the development of secure, resilient autonomous systems.
- Abstract（参考訳）: ロボット工学、モバイルエージェント(例:UAV)、自動運転車といった分野にまたがる知的で適応的でエネルギー効率の高い自律システムへのニーズが高まり、ニューロモルフィックコンピューティングへの関心が高まっている。
生物学的神経系からインスピレーションを得ることにより、自律的なプラットフォームの知覚、意思決定、応答性を高めるための有望な経路を提供する。
本稿では, ニューロモルフィックアルゴリズム, 特殊ハードウェア, 層間最適化戦略の最近の進歩を, 現実の自律シナリオへの展開に焦点をあてて調査する。
イベントベースの動的視覚センサと、高速で効率的な知覚を可能にする役割には、特に注意が払われる。
この議論は、スパイクニューラルネットワークを自律システムアーキテクチャに統合することで、エネルギー効率、堅牢性、適応性、信頼性を向上させる新しい方法を強調している。
我々は、機械学習、ロボティクス、神経科学、ニューロモーフィックエンジニアリングの視点を統合し、現場の現状を包括的に把握する。
最後に、特にリアルタイム意思決定、継続的な学習、安全でレジリエントな自律システムの開発において、新たなトレンドとオープンな課題が探求されている。
関連論文リスト
- Bayesian Inverse Physics for Neuro-Symbolic Robot Learning [13.63049975599771]
現実世界のロボットアプリケーションは適応的で解釈可能で、データ効率のよい学習パラダイムを必要とする。
我々は、データ駆動学習と意図的に構造化された推論を組み合わせるための概念的枠組みを導入する。
このようなハイブリッドなニューロシンボリックアーキテクチャは、次世代の自律システムには不可欠である、と我々は主張する。
論文 参考訳（メタデータ） (2025-06-10T12:53:31Z) - Neural Brain: A Neuroscience-inspired Framework for Embodied Agents [58.58177409853298]
大規模な言語モデルのような現在のAIシステムは、いまだに解体され続けており、物理的に世界と関わりが持てない。
この課題の核心は、人間のような適応性を持つエンボディエージェントを駆動するために設計された中枢知能システムであるNeural Brain(ニューラル・ブレイン)の概念である。
本稿では,2つの基本的な課題に対処する,エンボディエージェントのニューラルブレインの統一的枠組みを提案する。
論文 参考訳（メタデータ） (2025-05-12T15:05:34Z) - Machine-Learning-Powered Neural Interfaces for Smart Prosthetics and Diagnostics [3.975510977962636]
我々は、AI駆動型デコーディングアルゴリズムと次世代小型ニューラルデバイスのためのエネルギー効率の高いSystem-on-Chipプラットフォームの最近の進歩についてレビューする。
これらのイノベーションは、インテリジェントなニューラルネットワークの開発の可能性を強調し、スケーラビリティ、信頼性、解釈可能性、ユーザ適応性といった重要な課題に対処する。
論文 参考訳（メタデータ） (2025-05-05T09:49:13Z) - Advances and Challenges in Foundation Agents: From Brain-Inspired Intelligence to Evolutionary, Collaborative, and Safe Systems [133.45145180645537]
大規模言語モデル(LLM)の出現は、人工知能の変革的シフトを触媒している。
これらのエージェントがAI研究と実践的応用をますます推進するにつれて、その設計、評価、継続的な改善は複雑で多面的な課題を呈している。
この調査は、モジュール化された脳にインスパイアされたアーキテクチャ内でインテリジェントエージェントをフレーミングする、包括的な概要を提供する。
論文 参考訳（メタデータ） (2025-03-31T18:00:29Z) - Neuro-LIFT: A Neuromorphic, LLM-based Interactive Framework for Autonomous Drone FlighT at the Edge [9.461346539158475]
本稿では,Parrot Bebop Quaotor2上に実装されたリアルタイムニューロモルフィックナビゲーションフレームワークNeuro-LIFTを提案する。
我々のフレームワークは、人間の発話を高レベルな計画コマンドに変換し、イベントベースのニューロモルフィックビジョンと物理駆動計画を用いて自律的に実行される。
本フレームワークは,動的な環境下での航行,障害物回避,人間の指示にリアルタイムで適応する能力を示す。
論文 参考訳（メタデータ） (2025-01-31T16:17:03Z) - A Survey of World Models for Autonomous Driving [63.33363128964687]
自律運転の最近の進歩は、堅牢な世界モデリングの進歩によって推進されている。
世界モデルは、マルチセンサーデータ、セマンティックキュー、時間ダイナミクスを統合する駆動環境の高忠実度表現を提供する。
本稿では、自律運転の世界モデルにおける最近の進歩を体系的にレビューする。
論文 参考訳（メタデータ） (2025-01-20T04:00:02Z) - Enhancing learning in spiking neural networks through neuronal heterogeneity and neuromodulatory signaling [52.06722364186432]
人工ニューラルネットワーク(ANN)の強化のための生物学的インフォームドフレームワークを提案する。
提案したデュアルフレームアプローチは、多様なスパイキング動作をエミュレートするためのスパイキングニューラルネットワーク(SNN)の可能性を強調している。
提案手法は脳にインスパイアされたコンパートメントモデルとタスク駆動型SNN, バイオインスピレーション, 複雑性を統合している。
論文 参考訳（メタデータ） (2024-07-05T14:11:28Z) - Embodied Neuromorphic Artificial Intelligence for Robotics: Perspectives, Challenges, and Research Development Stack [7.253801704452419]
スパイキングニューラルネットワーク(SNN)によるニューロモルフィックコンピューティングの最近の進歩は、ロボット工学の具体的インテリジェンスを可能にする可能性を実証している。
本稿では, ロボットシステムにおいて, エンボディ型ニューロモーフィックAIを実現する方法について考察する。
論文 参考訳（メタデータ） (2024-04-04T09:52:22Z) - Contrastive-Signal-Dependent Plasticity: Self-Supervised Learning in Spiking Neural Circuits [61.94533459151743]
この研究は、スパイキングネットワークのシナプスを調整するための神経生物学的に動機づけられたスキームを設計することの課題に対処する。
我々の実験シミュレーションは、繰り返しスパイクネットワークを訓練する際、他の生物学的に証明可能なアプローチに対して一貫した優位性を示す。
論文 参考訳（メタデータ） (2023-03-30T02:40:28Z) - Vision Paper: Causal Inference for Interpretable and Robust Machine
Learning in Mobility Analysis [71.2468615993246]
インテリジェントな輸送システムを構築するには、人工知能とモビリティ分析の複雑な組み合わせが必要である。
ここ数年、高度なディープニューラルネットワークを使った輸送アプリケーションの開発が急速に進んでいる。
このビジョンペーパーは、解釈可能性と堅牢性を必要とするディープラーニングに基づくモビリティ分析における研究課題を強調する。
論文 参考訳（メタデータ） (2022-10-18T17:28:58Z) - Photonics for artificial intelligence and neuromorphic computing [52.77024349608834]
フォトニック集積回路は超高速な人工ニューラルネットワークを可能にした。
フォトニックニューロモルフィックシステムはナノ秒以下のレイテンシを提供する。
これらのシステムは、機械学習と人工知能の需要の増加に対応する可能性がある。
論文 参考訳（メタデータ） (2020-10-30T21:41:44Z)
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。