論文の概要: Bio-Inspired Event-Based Visual Servoing for Ground Robots

• arxiv url: http://arxiv.org/abs/2603.23672v1
• Date: Tue, 24 Mar 2026 19:20:20 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-26 21:06:11.007149
• Title: Bio-Inspired Event-Based Visual Servoing for Ground Robots
• Title（参考訳）: 地中ロボットのためのバイオインスパイアされたイベントベースビジュアルサーボ
• Authors: Maral Mordad, Kian Behzad, Debojyoti Biswas, Noah J. Cowan, Milad Siami,
• Abstract要約: 地上ロボットのための新しいイベントベースビジュアルサーボフレームワークを提案する。 そこで本研究では,生物にインスパイアされたアクティブ・センシング・リミットサイクル・コントローラを提案する。
• 参考スコア（独自算出の注目度）: 4.2300250650442095
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Biological sensory systems are inherently adaptive, filtering out constant stimuli and prioritizing relative changes, likely enhancing computational and metabolic efficiency. Inspired by active sensing behaviors across a wide range of animals, this paper presents a novel event-based visual servoing framework for ground robots. Utilizing a Dynamic Vision Sensor (DVS), we demonstrate that by applying a fixed spatial kernel to the asynchronous event stream generated from structured logarithmic intensity-change patterns, the resulting net event flux analytically isolates specific kinematic states. We establish a generalized theoretical bound for this event rate estimator and show that linear and quadratic spatial profiles isolate the robot's velocity and position-velocity product, respectively. Leveraging these properties, we employ a multi-pattern stimulus to directly synthesize a nonlinear state-feedback term entirely without traditional state estimation. To overcome the inescapable loss of linear observability at equilibrium inherent in event sensing, we propose a bio-inspired active sensing limit-cycle controller. Experimental validation on a 1/10-scale autonomous ground vehicle confirms the efficacy, extreme low-latency, and computational efficiency of the proposed direct-sensing approach.
• Abstract（参考訳）: 生物学的感覚システムは本質的に適応的であり、一定の刺激をフィルタリングし、相対的な変化を優先順位付けし、計算と代謝の効率を高める可能性がある。 そこで本研究では,多様な動物に対する能動的センシング行動から着想を得た,地中ロボットのためのイベントベース視覚サーボフレームワークを提案する。 動的視覚センサ(DVS)を用いて、構造化対数強度変化パターンから生成された非同期イベントストリームに固定空間カーネルを適用することにより、結果のネットイベント束が特定の運動状態を解析的に分離することを示した。 我々は,この事象速度推定器の一般化された理論境界を確立し,ロボットの速度と位置速度の積を線形および二次的な空間プロファイルでそれぞれ分離することを示す。 これらの特性を利用して、従来の状態推定を使わずに非線形状態フィードバック項を直接合成する多パターン刺激を用いる。 イベントセンシングに固有の平衡での線形観測可能性の欠如を克服するため,バイオインスパイアされたアクティブセンシング制限サイクルコントローラを提案する。 1/10スケールの自動運転車に対する実験的な検証により,提案手法の有効性,極低レイテンシ,計算効率が確認された。

関連論文リスト

• Hebbian Attractor Networks for Robot Locomotion [44.84033948079516]
  ヘビアン可塑性は、変化する環境に迅速に適応するための有望な道を提供する。 Hebbian Attractor Networks (HANs) は創発的アトラクタダイナミクスを誘導する。 その結果、低速更新と平均的なシナプス前後の活性化が組み合わさって、安定した重量構成への収束を促進することが示唆された。
  論文  参考訳（メタデータ） (2026-03-23T19:20:14Z)
• Collaborative Temporal Feature Generation via Critic-Free Reinforcement Learning for Cross-User Sensor-Based Activity Recognition [16.776182784171713]
  ウェアラブル慣性センサーを用いたヒューマンアクティビティ認識は、医療モニタリング、フィットネス分析、コンテキスト認識コンピューティングの基礎となる。 既存のドメインの一般化アプローチは、センサーストリームの時間的依存関係を無視したり、非現実的なターゲットドメインアノテーションに依存したりする。 我々は、強化学習によって制御される協調的な逐次生成プロセスとして、一般化可能な特徴抽出をモデル化する新しいパラダイムを提案する。
  論文  参考訳（メタデータ） (2026-03-17T01:03:21Z)
• Enhancing Eye Feature Estimation from Event Data Streams through Adaptive Inference State Space Modeling [68.1289208938377]
  イベントベースのデータストリームから目の特徴抽出を効率的かつ低エネルギーで行うことができる。 本稿では,特徴抽出のための新しいアーキテクチャである強調型推論状態空間モデル(AISSM)を紹介する。 また、トレーニング効率を向上させる新しい学習手法を開発・評価する。
  論文  参考訳（メタデータ） (2026-03-14T18:47:08Z)
• The power of dynamic causality in observer-based design for soft sensor applications [0.7965327033045845]
  本稿では,動的因果解析により観測者に基づくソフトセンサを最適化するための新しい枠組みを提案する。 センサ選択への伝統的なアプローチは、複雑なシステムの時間的進化を捉えるのに失敗する線形化された可観測性指数や統計的相関に依存することが多い。
  論文  参考訳（メタデータ） (2025-09-14T16:27:58Z)
• 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)
• Deep Recurrence for Dynamical Segmentation Models [0.0]
  本稿では、出力から入力への繰り返しループを導入し、内部状態を時間とともに改善する予測符号化フィードバック機構を提案する。 我々は,この機構を標準U-Netアーキテクチャ内に実装し,フィードバックループの安定性を確保するために,生物学的に動機付けられた2つの操作,ソフトマックス投射と指数減衰を導入する。 フィードバックモデルはノイズの多い条件下でフィードフォワードを著しく上回り、限られた監督下でより効果的に一般化することを示す。
  論文  参考訳（メタデータ） (2025-07-14T10:41:07Z)
• 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)
• Physics-Inspired Temporal Learning of Quadrotor Dynamics for Accurate Model Predictive Trajectory Tracking [76.27433308688592]
  クオーロタのシステムダイナミクスを正確にモデル化することは、アジャイル、安全、安定したナビゲーションを保証する上で非常に重要です。 本稿では,ロボットの経験から,四重項系の力学を純粋に学習するための新しい物理インスパイアされた時間畳み込みネットワーク(PI-TCN)を提案する。 提案手法は,スパース時間的畳み込みと高密度フィードフォワード接続の表現力を組み合わせて,正確なシステム予測を行う。
  論文  参考訳（メタデータ） (2022-06-07T13:51:35Z)
• Domain Adaptive Robotic Gesture Recognition with Unsupervised Kinematic-Visual Data Alignment [60.31418655784291]
  本稿では,マルチモダリティ知識,すなわちキネマティックデータとビジュアルデータを同時にシミュレータから実ロボットに伝達できる,教師なしドメイン適応フレームワークを提案する。 ビデオの時間的手がかりと、ジェスチャー認識に対するマルチモーダル固有の相関を用いて、トランスファー可能な機能を強化したドメインギャップを修復する。 その結果, 本手法は, ACCでは最大12.91%, F1scoreでは20.16%と, 実際のロボットではアノテーションを使わずに性能を回復する。
  論文  参考訳（メタデータ） (2021-03-06T09:10:03Z)
• Wave Propagation of Visual Stimuli in Focus of Attention [77.4747032928547]
  周囲の視覚環境の変化に対する迅速な反応は、計算資源を視覚領域の最も関連する場所に再配置する効率的な注意機構を必要とする。 本研究は, 営巣動物が提示する有効性と効率性を示す, 生物学的に有望な注目焦点モデルを提案する。
  論文  参考訳（メタデータ） (2020-06-19T09:33:21Z)

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。