論文の概要: Neuromorphic Control of a Flapping-Wing Robot on Resource-Constrained Hardware
- arxiv url: http://arxiv.org/abs/2605.19430v2
- Date: Sat, 23 May 2026 15:55:17 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-26 16:32:37.750643
- Title: Neuromorphic Control of a Flapping-Wing Robot on Resource-Constrained Hardware
- Title（参考訳）: 資源制約ハードウェアにおける羽ばたきロボットのニューロモーフィック制御
- Authors: Rim El Filali, Chenrui Feng, Chao Gao, Weibin Gu,
- Abstract要約: FWMAV(Flaping-Wing Micro Aerial Vehicles)は、飛行能力と空力効率を提供する。
本研究では,ESP32マイクロコントローラ上での完全オンボード・クローズドループ飛行を可能にする階層型ニューロモルフィック制御フレームワークを提案する。
本システムは,実世界飛行中の安定ピッチと方向方向の追跡を再現学習により訓練する。
- 参考スコア（独自算出の注目度）: 22.897929825851737
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Flapping-Wing Micro Aerial Vehicles (FWMAVs) provide exceptional maneuverability and aerodynamic efficiency but pose significant challenges for onboard control due to nonlinear dynamics and stringent Size, Weight, and Power (SWaP) constraints, as exemplified by a butterfly-inspired robot less than 30 gram. To this end, we present a hierarchical neuromorphic control framework that enables fully onboard, closed-loop flight on a widely available, resource-constrained ESP32 microcontroller with a unit cost of approximately $5. Specifically, our method deploys two lightweight Spiking Neural Networks (SNNs) onboard: one for state estimation from raw sensory feedback and another for control via modulation of a Central Pattern Generator (CPG) for wing actuation. Trained by imitation learning, the system achieves stable pitch and heading angle tracking during untethered real-world flight. Experimental results further reveal that the SNN-based controller reduces latency by 36% (1059us to 680us) and power by 18% (0.033W to 0.027W) for inference compared to the conventional Artificial Neural Network (ANN) baseline, demonstrating the viability of spike-based computation without specialized hardware. To the best of our knowledge, this work constitutes the first demonstration of fully onboard neuromorphic control for autonomous flight of a FWMAV, highlighting the potential of SNNs to enable energy-efficient autonomy under stringent SWaP constraints. Visual abstract: http://bit.ly/4nI8ECY Code: https://anonymous.4open.science/r/Espikify-76E3/
- Abstract（参考訳）: フライング・ウィング・マイクロ・エアリアル・ビークル(FWMAV)は例外的な操縦性と空力効率を提供するが、30グラム未満のバタフライにインスパイアされたロボットによって実証されたように、非線形力学と厳密なサイズ、重量、パワー(SWaP)の制約によるオンボード制御に重大な課題を生じさせる。
そこで本研究では,広く利用可能なリソース制約のESP32マイクロコントローラ上での完全オンボード・クローズドループ飛行を可能にする階層型ニューロモルフィック制御フレームワークを提案する。
具体的には,2つの軽量スパイキングニューラルネットワーク(SNN)を搭載。1つは生の感覚フィードバックからの状態推定を行うもので,もう1つは主翼運動のための中央パターン発生器(CPG)の変調による制御を行う。
模擬学習によって訓練されたシステムは、実世界飛行中に安定したピッチと方向角追跡を実現する。
さらに、SNNベースのコントローラは、従来のニューラルネットワーク(ANN)ベースラインと比較してレイテンシを36%(1059usから680us)、電力を18%(0.033Wから0.027W)削減し、特別なハードウェアを使わずにスパイクベースの計算が可能であることを示した。
我々の知る限り、この研究はFWMAVの自律飛行のための完全搭載型ニューロモルフィック制御の最初の実証であり、SNNが厳しいSWAP制約の下でエネルギー効率の高い自律を可能にする可能性を強調している。
Visual abstract: http://bit.ly/4nI8ECY Code: https://anonymous.4open.science/r/Espikify-76E3/
関連論文リスト
- MARS-Dragonfly: Agile and Robust Flight Control of Modular Aerial Robot Systems [21.471271822760276]
モジュラー・エアリアル・ロボット・システム(MARS)は、再構成可能な連結構造を持つ複数のドローンユニットから構成される。
MARSは単純な準静的モデルと規則に基づくアロケーションに依存しており、不連続かつ非有界なモーターコマンドを生成する。
我々は、受動ドッキング、検出不要な受動ロック、磁気アシスト分離が可能な小型機械システムを開発した。
論文 参考訳（メタデータ） (2026-04-07T06:43:08Z) - A 26-Gram Butterfly-Inspired Robot Achieving Autonomous Tailless Flight [61.21669716392821]
textitAirPulseは、26グラムの蝶にインスパイアされたロボットで、このスケールで尾のない二翼プラットフォームのために、初めてオンボードでクローズドループ制御飛行を行う。
蝶の飛行における重要な生体力学的特性を再現し、低アスペクト比、炭素繊維強化翼の適合性、および特徴的な生物学的身体の起伏を再現する低周波の羽ばたきを利用する。
論文 参考訳（メタデータ） (2026-02-06T15:58:50Z) - NanoCockpit: Performance-optimized Application Framework for AI-based Autonomous Nanorobotics [50.594459728605734]
小型のフォームファクタ、すなわち10sグラムは、計算資源をSI100ミリワット以下のマイクロコントローラユニット(MCU)に著しく制限する。
本フレームワークは,タスクのシリアライズによるオーバーヘッドをゼロにすることで,クローズドループ制御性能の定量的改善を実現する。
論文 参考訳（メタデータ） (2026-01-12T12:29:38Z) - Physics-informed Neural-operator Predictive Control for Drag Reduction in Turbulent Flows [109.99020160824553]
乱流のモデリングと制御のための効率的な深部強化学習フレームワークを提案する。
予測制御(PC)のためのモデルベースRLであり、乱流制御のためのポリシとオブザーバモデルの両方を共同で学習する。
その結果, PINO-PCは, バルク速度レイノルズ数15,000で39.0%の抗力低下を達成し, 従来の流体制御法を32%以上上回った。
論文 参考訳（メタデータ） (2025-10-03T00:18:26Z) - Neuromorphic Attitude Estimation and Control [17.895261339368815]
本研究では、スパイキングニューラルネットワーク(SNN)を用いた最初のニューロモルフィック制御システムを提案する。
そこで本手法を低レベル姿勢推定・制御に応用し,SNNを小さなクラジフリー上に配置する。
我々の研究は、高エネルギー効率で低遅延のニューロモルフィックオートパイロットの基礎となる、ニューロモルフィック・エンド・ツー・エンド制御の実現可能性を示している。
論文 参考訳（メタデータ） (2024-11-21T08:54:45Z) - Ultra-low Power Deep Learning-based Monocular Relative Localization
Onboard Nano-quadrotors [64.68349896377629]
この研究は、2つのピアナノドロンのディープニューラルネットワーク(DNN)を介して、単分子の相対的な局所化に対処する、新しい自律的なエンドツーエンドシステムを示す。
超制約ナノドローンプラットフォームに対処するため,データセットの増大,量子化,システム最適化などを含む垂直統合フレームワークを提案する。
実験の結果,DNNは低分解能モノクローム画像のみを用いて最大2mの距離で10cmのターゲットナノドローンを正確に局在させることができることがわかった。
論文 参考訳（メタデータ） (2023-03-03T14:14:08Z) - Neural-Fly Enables Rapid Learning for Agile Flight in Strong Winds [96.74836678572582]
本稿では,ディープラーニングを通じて事前学習した表現を組み込むことで,オンラインでの迅速な適応を可能にする学習ベースのアプローチを提案する。
Neural-Flyは、最先端の非線形かつ適応的なコントローラよりもかなり少ないトラッキングエラーで正確な飛行制御を実現する。
論文 参考訳（メタデータ） (2022-05-13T21:55:28Z) - Evolved neuromorphic radar-based altitude controller for an autonomous
open-source blimp [4.350434044677268]
本稿では,ロボット飛行船のためのSNNに基づく高度制御器を提案する。
また、SNNベースのコントローラアーキテクチャ、シミュレーション環境でネットワークをトレーニングするための進化的フレームワーク、現実とのギャップを改善するための制御戦略も提示する。
論文 参考訳（メタデータ） (2021-10-01T20:48:43Z) - 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)
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。