論文の概要: How Fly Neural Perception Mechanisms Enhance Visuomotor Control of Micro Robots

• arxiv url: http://arxiv.org/abs/2509.13827v1
• Date: Wed, 17 Sep 2025 08:53:53 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-18 18:41:50.79465
• Title: How Fly Neural Perception Mechanisms Enhance Visuomotor Control of Micro Robots
• Title（参考訳）: マイクロロボットの視覚運動制御に影響を及ぼすハエの神経知覚機構
• Authors: Renyuan Liu, Haoting Zhou, Chuankai Fang, Qinbing Fu,
• Abstract要約: 本研究では,ハエ視覚投射ニューロンの特定のクラスにインスパイアされた注意駆動型視覚運動制御戦略を提案する。 これは、物理移動ロボットの組込みビジョンにおけるLPLC2ニューラルモデルの初めての具現化である。 その結果、フライインスパイアされた振動子モデルは、衝突検出において96.1%の成功率で、同等の堅牢性を達成した。
• 参考スコア（独自算出の注目度）: 1.1619569706231647
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Anyone who has tried to swat a fly has likely been frustrated by its remarkable agility.This ability stems from its visual neural perception system, particularly the collision-selective neurons within its small brain.For autonomous robots operating in complex and unfamiliar environments, achieving similar agility is highly desirable but often constrained by the trade-off between computational cost and performance.In this context, insect-inspired intelligence offers a parsimonious route to low-power, computationally efficient frameworks.In this paper, we propose an attention-driven visuomotor control strategy inspired by a specific class of fly visual projection neurons-the lobula plate/lobula column type-2 (LPLC2)-and their associated escape behaviors.To our knowledge, this represents the first embodiment of an LPLC2 neural model in the embedded vision of a physical mobile robot, enabling collision perception and reactive evasion.The model was simplified and optimized at 70KB in memory to suit the computational constraints of a vision-based micro robot, the Colias, while preserving key neural perception mechanisms.We further incorporated multi-attention mechanisms to emulate the distributed nature of LPLC2 responses, allowing the robot to detect and react to approaching targets both rapidly and selectively.We systematically evaluated the proposed method against a state-of-the-art locust-inspired collision detection model.Results showed that the fly-inspired visuomotor model achieved comparable robustness, at success rate of 96.1% in collision detection while producing more adaptive and elegant evasive maneuvers.Beyond demonstrating an effective collision-avoidance strategy, this work highlights the potential of fly-inspired neural models for advancing research into collective behaviors in insect intelligence.
• Abstract（参考訳）: この能力は、その視覚的知覚システム、特にその小さな脳内の衝突選択的ニューロンに起因している可能性が高い。複雑で不慣れな環境で動く自律ロボットにとって、同様の俊敏性を実現することは、計算コストと性能のトレードオフによって非常に望ましいが、しばしば制約される。この文脈において、昆虫に触発された知性は、低消費電力で計算効率のよいフレームワークへの同種の経路を提供する。本研究では、特定の種類のフライビジュアルプロジェクションニューロン-lobula plate/lobula column type-2 (LPLC2)-とその関連する行動に触発された、注意駆動型視覚運動制御戦略を提案する。この知識は、組み込み型ニューラルネットワーク2の第一の実施例を示し、身体的視覚ロボットの衝突の知覚を可能にする。

関連論文リスト

• Attention-Driven LPLC2 Neural Ensemble Model for Multi-Target Looming Detection and Localization [2.3204178451683264]
  ハエの視覚系における2型視覚投射ニューロン(LPLC2)は、高い光沢選択性を有する。 既存のLPLC2ニューロンのモデルでは、個々の細胞に集中してセントロイドに焦点を絞った拡張を検出したり、集団投票戦略を利用して地球規模の衝突情報を得る。 本研究では,移動感応性ニューラルパスによって誘導されるボトムアップアテンション機構を利用して,LPLC2集団の数値モデルを提案する。
  論文  参考訳（メタデータ） (2025-04-06T13:07:57Z)
• Towards Robust Semantic Segmentation against Patch-based Attack via Attention Refinement [68.31147013783387]
  我々は,アテンション機構がパッチベースの敵攻撃に弱いことを観察した。 本稿では,意味的セグメンテーションモデルの堅牢性を改善するために,ロバスト注意機構(RAM)を提案する。
  論文  参考訳（メタデータ） (2024-01-03T13:58:35Z)
• 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)
• Backprop-Free Reinforcement Learning with Active Neural Generative Coding [84.11376568625353]
  動的環境におけるエラー(バックプロップ)のバックプロパゲーションを伴わない行動駆動型生成モデルの学習のための計算フレームワークを提案する。 我々は、まばらな報酬でも機能するインテリジェントエージェントを開発し、推論として計画の認知理論からインスピレーションを得ている。 我々のエージェントの堅牢な性能は、神経推論と学習のためのバックプロップフリーアプローチがゴール指向の行動を促進するという有望な証拠を提供する。
  論文  参考訳（メタデータ） (2021-07-10T19:02:27Z)
• Control for Multifunctionality: Bioinspired Control Based on Feeding in Aplysia californica [0.3277163122167433]
  我々は,ニューラルバースト活動と簡単なバイオメカニクスをリアルタイムに高速にモデル化できるハイブリッドBooleanモデルフレームワークを開発した。 Aplysia californica 摂餌の多機能モデルについて述べる。 実験可能な仮説を定式化し,ロボット制御と神経科学への応用について考察する。
  論文  参考訳（メタデータ） (2020-08-11T19:26:50Z)
• Complementary Visual Neuronal Systems Model for Collision Sensing [6.670414650224423]
  昆虫の視覚脳にインスパイアされた本論文は、リアルタイムおよび堅牢な衝突検知のための相補的な視覚神経系のモデルの原モデルを示す。 広視野運動感受性ニューロンの2つのカテゴリ、すなわち、ロカストの巨体運動検出器(LGMD)とハエの巨体板細胞(Cs)が、集中的に研究されている。 高速衝突知覚を専門とする2つのLGMDと水平(左右)感度LPTC(C-RとLPTC-L)を組み合わせたハイブリッドモデルを提案する。
  論文  参考訳（メタデータ） (2020-06-11T13:40:59Z)
• Enhancing LGMD's Looming Selectivity for UAV with Spatial-temporal Distributed Presynaptic Connections [5.023891066282676]
  自然界では、単純な視覚システムを持つ飛行昆虫は、複雑な環境での衝突をナビゲートし回避する優れた能力を示している。 飛んでいる昆虫の視覚ニューロンとして、LGMDはUAVの衝突検知システムを構築するための理想的な基盤であると考えられている。 既存のLGMDモデルは、複雑な背景運動のような他の視覚的手がかりと明確に区別することはできない。 分散空間-時間的シナプス相互作用を実装した新しいモデルを提案する。
  論文  参考訳（メタデータ） (2020-05-09T09:15:02Z)
• 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)
• Enhanced Adversarial Strategically-Timed Attacks against Deep Reinforcement Learning [91.13113161754022]
  本稿では,DRLに基づくナビゲーションシステムに対して,選択した時間フレーム上の物理ノイズパターンを妨害することにより,タイミングに基づく逆方向戦略を導入する。 実験結果から, 対向タイミング攻撃は性能低下を引き起こす可能性が示唆された。
  論文  参考訳（メタデータ） (2020-02-20T21:39:25Z)
• Adversarial vs behavioural-based defensive AI with joint, continual and active learning: automated evaluation of robustness to deception, poisoning and concept drift [62.997667081978825]
  人工知能(AI)の最近の進歩は、サイバーセキュリティのための行動分析(UEBA)に新たな能力をもたらした。 本稿では、検出プロセスを改善し、人間の専門知識を効果的に活用することにより、この攻撃を効果的に軽減するソリューションを提案する。
  論文  参考訳（メタデータ） (2020-01-13T13:54:36Z)

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。