論文の概要: From Vision to Decision: Neuromorphic Control for Autonomous Navigation and Tracking

• arxiv url: http://arxiv.org/abs/2602.05683v1
• Date: Thu, 05 Feb 2026 14:09:09 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-23 08:17:41.200964
• Title: From Vision to Decision: Neuromorphic Control for Autonomous Navigation and Tracking
• Title（参考訳）: 視覚から決定へ:自律的なナビゲーションと追跡のためのニューロモルフィック制御
• Authors: Chuwei Wang, Eduardo Sebastián, Amanda Prorok, Anastasia Bizyaeva,
• Abstract要約: 視覚誘導ナビゲーションとトラッキングのための擬似ニューロモルフィック制御フレームワークを提案する。 搭載カメラからの画像ピクセルは、動的ニューロン集団への入力として符号化される。 最近提案された動物の認知と意見力学の力学モデルにインスパイアされたニューロモルフィックコントローラは、最小の計算負担でリアルタイムの自律性を提供する。
• 参考スコア（独自算出の注目度）: 10.144707192962068
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Robotic navigation has historically struggled to reconcile reactive, sensor-based control with the decisive capabilities of model-based planners. This duality becomes critical when the absence of a predominant option among goals leads to indecision, challenging reactive systems to break symmetries without computationally-intense planners. We propose a parsimonious neuromorphic control framework that bridges this gap for vision-guided navigation and tracking. Image pixels from an onboard camera are encoded as inputs to dynamic neuronal populations that directly transform visual target excitation into egocentric motion commands. A dynamic bifurcation mechanism resolves indecision by delaying commitment until a critical point induced by the environmental geometry. Inspired by recently proposed mechanistic models of animal cognition and opinion dynamics, the neuromorphic controller provides real-time autonomy with a minimal computational burden, a small number of interpretable parameters, and can be seamlessly integrated with application-specific image processing pipelines. We validate our approach in simulation environments as well as on an experimental quadrotor platform.
• Abstract（参考訳）: ロボットナビゲーションは、歴史的に、モデルベースのプランナーの決定的な能力で、反応性のあるセンサーベースの制御を再構築するのに苦労してきた。 この双対性は、ゴール間に支配的な選択肢が存在しないことが不確定につながり、反応系が計算知能プランナーを使わずに対称性を破ることに挑戦するときに重要となる。 視覚誘導ナビゲーションとトラッキングのために,このギャップを埋める擬似ニューロモルフィック制御フレームワークを提案する。 搭載されたカメラからの画像ピクセルは、視覚目標の励起を直接エゴセントリックな動作コマンドに変換する動的ニューロン集団への入力として符号化される。 動的分岐機構は、環境幾何学によって誘導される臨界点までコミットメントを遅らせることで不確定を解消する。 ニューロモルフィック・コントローラは、最近提案された動物の認知と世論の力学モデルにインスパイアされ、最小の計算負担、少数の解釈可能なパラメータを持つリアルタイムの自律性を提供し、アプリケーション固有の画像処理パイプラインとシームレスに統合することができる。 シミュレーション環境や実験用四重項プラットフォームにおいて,本手法の有効性を検証した。

関連論文リスト

• Langevin Flows for Modeling Neural Latent Dynamics [81.81271685018284]
  逐次変分自動エンコーダであるLangevinFlowを導入し、潜伏変数の時間的進化をアンダーダム化したLangevin方程式で制御する。 われわれのアプローチは、慣性、減衰、学習されたポテンシャル関数、力などの物理的事前を組み込んで、ニューラルネットワークにおける自律的および非自律的プロセスの両方を表現する。 本手法は,ロレンツ誘引器によって生成される合成神経集団に対する最先端のベースラインより優れる。
  論文  参考訳（メタデータ） (2025-07-15T17:57:48Z)
• Embodied World Models Emerge from Navigational Task in Open-Ended Environments [5.785697934050656]
  プロシージャ的に生成された平面迷路を解決するために,スパース報酬のみで訓練された反復エージェントが,方向,距離,障害物レイアウトなどの計量概念を自律的に内部化できるかどうかを問う。 トレーニングの後、エージェントは、下層の空間モデルにヒントを与える行動である、見えない迷路において、常に準最適経路を生成する。
  論文  参考訳（メタデータ） (2025-04-15T17:35:13Z)
• Allostatic Control of Persistent States in Spiking Neural Networks for perception and computation [79.16635054977068]
  本稿では,アロスタシスの概念を内部表現の制御に拡張することにより,環境に対する知覚的信念を更新するための新しいモデルを提案する。 本稿では,アトラクタネットワークにおける活動の急増を空間的数値表現として利用する数値認識の応用に焦点を当てる。
  論文  参考訳（メタデータ） (2025-03-20T12:28:08Z)
• Initialization of Monocular Visual Navigation for Autonomous Agents Using Modified Structure from Small Motion [13.69678622755871]
  本稿では,自律型宇宙ロボットのためのスタンドアロンの単眼視覚的同時局在マッピング(vSLAM)パイプラインを提案する。 提案手法は, 宇宙船の点検軌道における単分子エージェントを頑健に初期化するために, 構造を小型運動から拡張する。 本手法の有効性を実証し,本手法の有効性を検証した。
  論文  参考訳（メタデータ） (2024-09-24T21:33:14Z)
• Exploring Latent Pathways: Enhancing the Interpretability of Autonomous Driving with a Variational Autoencoder [79.70947339175572]
  バイオインスパイアされたニューラルサーキットポリシーモデルが革新的な制御モジュールとして登場した。 我々は、変分オートエンコーダとニューラルネットワークポリシーコントローラを統合することで、飛躍的に前進する。 本研究は,変分オートエンコーダへのアーキテクチャシフトに加えて,自動潜時摂動ツールを導入する。
  論文  参考訳（メタデータ） (2024-04-02T09:05:47Z)
• Learning Deep Sensorimotor Policies for Vision-based Autonomous Drone Racing [52.50284630866713]
  既存のシステムは、状態推定、計画、制御のために手作業によるコンポーネントを必要とすることが多い。 本稿では、深層感触者ポリシーを学習することで、視覚に基づく自律ドローンレース問題に取り組む。
  論文  参考訳（メタデータ） (2022-10-26T19:03:17Z)
• Bayesian optimization of distributed neurodynamical controller models for spatial navigation [1.9249287163937971]
  我々はニューロシュワームコントローラを導入し、エージェントベースの相互作用を神経ネットワークの相互作用に類似してモデル化する。 この複雑さは、従来のSwarmモデルの研究に一般的に使用される安定性、制御可能性、性能の線形解析を妨げる。 ベイズ最適化に基づく自律型マルチエージェントシステムの動的コントローラモデルをチューニングするためのフレームワークを提案する。
  論文  参考訳（メタデータ） (2021-10-31T21:43:06Z)
• MotionHint: Self-Supervised Monocular Visual Odometry with Motion Constraints [70.76761166614511]
  モノクローナルビジュアル・オドメトリー(VO)のための新しい自己教師型アルゴリズムMotionHintを提案する。 我々のMotionHintアルゴリズムは、既存のオープンソースSSM-VOシステムに容易に適用できる。
  論文  参考訳（メタデータ） (2021-09-14T15:35:08Z)
• 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)
• NewtonianVAE: Proportional Control and Goal Identification from Pixels via Physical Latent Spaces [9.711378389037812]
  本稿では,潜在空間における比例制御性を誘導するために一意に設計された潜在動的学習フレームワークを提案する。 学習したダイナミックスモデルは画素からの比例制御を可能にし、視覚ベースのコントローラの動作クローンを劇的に単純化し、高速化し、実演からのスイッチングコントローラの模倣学習に適用した場合に、解釈可能なゴール発見を提供する。
  論文  参考訳（メタデータ） (2020-06-02T21:41:38Z)
• Dynamic Modeling and Adaptive Controlling in GPS-Intelligent Buoy (GIB) Systems Based on Neural-Fuzzy Networks [0.0]
  本稿では, バックステッピング技術を用いて, 改良されたニューラルネットワークによる海洋ブイの位置決めに動的システムモデリングを適用した。 数値的および得られた結果から,制御系は比較的少ない位置誤差でブイの経路と位置を所望の目的に調整できることを示した。
  論文  参考訳（メタデータ） (2020-04-03T17:28:53Z)

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。