論文の概要: The More the Merrier: Running Multiple Neuromorphic Components On-Chip for Robotic Control

• arxiv url: http://arxiv.org/abs/2602.13747v1
• Date: Sat, 14 Feb 2026 12:39:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-23 08:17:41.46174
• Title: The More the Merrier: Running Multiple Neuromorphic Components On-Chip for Robotic Control
• Title（参考訳）: ロボット制御のための複数のニューロモルフィックコンポーネントをオンチップで動作させるメリット
• Authors: Evan Eames, Priyadarshini Kannan, Ronan Sangouard, Philipp Plank, Elvin Hajizada, Gintautas Palinauskas, Lana Amaya, Michael Neumeier, Sai Thejeshwar Sharma, Marcella Toth, Prottush Sarkar, Axel von Arnim,
• Abstract要約: 視覚に基づくロボット制御のためのパイプラインの最初の例を示す。 すべてのコンポーネントが,最先端技術と競合するレイテンシで,ミリワット方式で同時動作可能であることを示す。 シミュレーションハードウェア上の等価ネットワークは、シミュレーションにおいてロボットアームプラグ挿入を達成し、パイプラインのコア要素を実際のロボットアームでテストする。
• 参考スコア（独自算出の注目度）: 0.9503420085198421
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: It has long been realized that neuromorphic hardware offers benefits for the domain of robotics such as low energy, low latency, as well as unique methods of learning. In aiming for more complex tasks, especially those incorporating multimodal data, one hurdle continuing to prevent their realization is an inability to orchestrate multiple networks on neuromorphic hardware without resorting to off-chip process management logic. To address this, we show a first example of a pipeline for vision-based robot control in which numerous complex networks can be run entirely on hardware via the use of a spiking neural state machine for process orchestration. The pipeline is validated on the Intel Loihi 2 research chip. We show that all components can run concurrently on-chip in the milli Watt regime at latencies competitive with the state-of-the-art. An equivalent network on simulated hardware is shown to accomplish robotic arm plug insertion in simulation, and the core elements of the pipeline are additionally tested on a real robotic arm.
• Abstract（参考訳）: ニューロモルフィックハードウェアは、低エネルギー、低レイテンシ、ユニークな学習方法といったロボット工学の分野に利益をもたらすと長年認識されてきた。 より複雑なタスク、特にマルチモーダルデータの導入を目的としたハードルは、オフチッププロセス管理ロジックに頼ることなく、ニューロモルフィックハードウェア上で複数のネットワークをオーケストレーションできないことである。 これを解決するために、我々は視覚に基づくロボット制御のためのパイプラインの最初の例を示し、多数の複雑なネットワークを、スパイクされたニューラルステートマシンを使用して、ハードウェア上で完全に動作させることができる。 このパイプラインはIntel Loihi 2研究チップで検証されている。 すべてのコンポーネントが,最先端技術と競合するレイテンシで,ミリワット方式で同時動作可能であることを示す。 シミュレーションハードウェア上の等価ネットワークは、シミュレーションにおいてロボットアームプラグ挿入を達成し、パイプラインのコア要素を実際のロボットアームでテストする。

関連論文リスト

• Neuro-Channel Networks: A Multiplication-Free Architecture by Biological Signal Transmission [0.0]
  ディープラーニングの急速な普及は、高性能ハードウェアに大きく依存していることに制約されている。 これらの特別な加速器は、違法に高価でエネルギー集約的なだけでなく、供給不足にも悩まされている。 我々は,AIを高価なハードウェア依存から切り離すように設計された,新しい乗算自由アーキテクチャであるNeuro-Channel Networks (NCN)を提案する。
  論文  参考訳（メタデータ） (2026-01-05T16:33:13Z)
• 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)
• RoboCodeX: Multimodal Code Generation for Robotic Behavior Synthesis [102.1876259853457]
  汎用ロボット行動合成のための木構造多モードコード生成フレームワークRoboCodeXを提案する。 RoboCodeXは、高レベルの人間の命令を複数のオブジェクト中心の操作ユニットに分解する。 概念的および知覚的理解を制御コマンドにマッピングする能力をさらに強化するため、事前学習のための特別なマルチモーダル推論データセットを収集し、教師付き微調整のための反復的自己更新手法を導入する。
  論文  参考訳（メタデータ） (2024-02-25T15:31:43Z)
• RoboScript: Code Generation for Free-Form Manipulation Tasks across Real and Simulation [77.41969287400977]
  本稿では,コード生成を利用したデプロイ可能なロボット操作パイプラインのためのプラットフォームである textbfRobotScript を提案する。 自由形自然言語におけるロボット操作タスクのためのコード生成ベンチマークも提案する。 我々は,Franka と UR5 のロボットアームを含む,複数のロボットエボディメントにまたがるコード生成フレームワークの適応性を実証した。
  論文  参考訳（メタデータ） (2024-02-22T15:12:00Z)
• Fully neuromorphic vision and control for autonomous drone flight [5.358212984063069]
  イベントベースのビジョンとスパイクニューラルネットワークは、同様の特徴を示すことを約束する。 本稿では,ドローン飛行を制御するための完全学習型ニューロモルフィックパイプラインを提案する。 結果は,1回の飛行でより小さなネットワークを実現するためのニューロモルフィックセンシングと処理の可能性を示している。
  論文  参考訳（メタデータ） (2023-03-15T17:19:45Z)
• 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)
• A toolbox for neuromorphic sensing in robotics [4.157415305926584]
  ロボット上で利用可能なあらゆる種類のセンサからの入力信号をエンコードし、デコードするためのROS(Robot Operating System)ツールボックスを導入する。 このイニシアチブは、ニューロモルフィックAIのロボット統合を刺激し促進することを目的としている。
  論文  参考訳（メタデータ） (2021-03-03T23:22:05Z)
• Robust trajectory generation for robotic control on the neuromorphic research chip Loihi [0.0]
  我々は、最近開発されたスパイクニューラルネットワークモデル、いわゆる異方性ネットワークを利用する。 我々は,Loihi上の異方性ネットワークが神経活動の逐次パターンを確実に符号化していることを示す。 そこで本研究では,複雑なロボットの動きを生成できる新しいアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2020-08-26T16:02:39Z)
• One-step regression and classification with crosspoint resistive memory arrays [62.997667081978825]
  高速で低エネルギーのコンピュータは、エッジでリアルタイム人工知能を実現するために要求されている。 ワンステップ学習は、ボストンの住宅のコスト予測と、MNIST桁認識のための2層ニューラルネットワークのトレーニングによって支援される。 結果は、クロスポイントアレイ内の物理計算、並列計算、アナログ計算のおかげで、1つの計算ステップで得られる。
  論文  参考訳（メタデータ） (2020-05-05T08:00:07Z)
• Exposing Hardware Building Blocks to Machine Learning Frameworks [4.56877715768796]
  我々は、そのようなニューロンをユニークな関数として補完するトポロジーを設計する方法に焦点をあてる。 我々は、カスタムの空間性と量子化によるニューラルネットワークのトレーニングを支援するライブラリを開発する。
  論文  参考訳（メタデータ） (2020-04-10T14:26:00Z)
• 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。