論文の概要: GelNeuro: A Sensing-Computing Integrated Neuromorphic Tactile System for Texture Recognition

• arxiv url: http://arxiv.org/abs/2607.05241v1
• Date: Mon, 06 Jul 2026 15:52:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-07 22:26:30.229025
• Title: GelNeuro: A Sensing-Computing Integrated Neuromorphic Tactile System for Texture Recognition
• Title（参考訳）: GelNeuro: テクスチャ認識のためのセンサコンピューティング統合型ニューロモルフィック触覚システム
• Abstract要約: 本稿では,GelSight Miniベースの光触覚フロントエンドとSpeck2fニューロモーフィック・オン・チップ(SoC)を直接組み合わせた完全統合型感触覚システムを提案する。 GelNeuroは、目に見えない接触深度にわたって堅牢な一般化を示し、エッジニューロモルフィックハードウェア上での直接センサー対チップ触覚認識の実現可能性を示している。
• 参考スコア（独自算出の注目度）: 3.563572187323213
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Neuromorphic visuo-tactile sensing offers a promising paradigm for low-latency and low-power robotic perception. However, existing systems still rely heavily on a host computer for event readout, preprocessing, or relaying prior to chip inference. This paper presents GelNeuro, a fully integrated sensing-computing visuo-tactile system that directly pairs a GelSight Mini-based optical tactile front end with the Speck2f neuromorphic system-on-chip (SoC). Contact-induced marker motions are captured as dynamic vision sensor (DVS) events and routed through the on-chip network to a spiking convolutional neural network (SCNN) classifier. To mitigate accuracy degradation during 8-bit deployment, a hardware-aware weight clamping strategy is introduced. Evaluated on a 15-class natural texture recognition task, hardware-in-the-loop testing on the physical chip achieves a 96.3% accuracy within an 80 ms inference window. Notably, the system consumes only 19.6 mW of board-level active power-over three orders of magnitude lower than conventional CPU/GPU baselines on the same benchmark. GelNeuro also exhibits robust generalization across unseen contact depths, demonstrating the viability of direct sensor-to-chip tactile recognition on edge neuromorphic hardware.
• Abstract（参考訳）: ニューロモルフィック型視触覚は低レイテンシと低消費電力のロボット知覚に有望なパラダイムを提供する。 しかし、既存のシステムは、イベントの読み出し、前処理、あるいはチップ推論前の中継にホストコンピュータに大きく依存している。 本稿では、GelSight Miniベースの光触覚フロントエンドとSpeck2fニューロモーフィック・オン・チップ(SoC)を直接組み合わせた、完全に統合された感触覚システムであるGelNeuroについて述べる。 接触によるマーカーの動きは動的視覚センサ(DVS)イベントとして捉えられ、オンチップネットワークを介してスパイキング畳み込みニューラルネットワーク(SCNN)分類器にルーティングされる。 8ビット展開時の精度劣化を軽減するため,ハードウェア対応の重みクラッピング戦略を導入する。 15クラスの自然テクスチャ認識タスクに基づいて評価され、物理チップ上でのハードウェア・イン・ザ・ループテストは、80ミリ秒の推論ウィンドウ内で96.3%の精度を達成する。 特に、このシステムはボードレベルのアクティブパワーオーバーの19.6mWしか消費せず、同じベンチマークのCPU/GPUベースラインよりも3桁低い。 GelNeuroはまた、目に見えない接触深度にわたって堅牢な一般化を示し、エッジニューロモルフィックハードウェア上での直接センサー対チップ触覚認識の実現可能性を示している。

関連論文リスト

• Robust Slip Detection and Material Classification via Spatiotemporal Transformers on a Uniformly-Illuminated Visuo-Tactile Sensor [52.33204893988409]
  本稿では,一様照明をカスタマイズした視覚触覚センサと統合認識フレームワークを提案する。 提案するハードウェア・ソフトウェア・フレームワークは、複雑なロボット操作のための高忠実度フィードバックと強力なマルチモーダル認識ベースラインを提供する。
  論文  参考訳（メタデータ） (2026-08-25T07:25:27Z)
• T-Rex: Tactile-Reactive Dexterous Manipulation [139.71263755530654]
  本稿では,新しい時相触覚VQ-VAEエンコーダを備えた可変レートMixture-of-Transformers (MoT)アーキテクチャを提案する。 微妙な力制御と変形可能な物体操作を必要とする12の操作課題に対して,触覚反応が有効であることを示す。
  論文  参考訳（メタデータ） (2026-06-15T17:59:55Z)
• NeuroEdge: Real-Time Hand Gesture Recognition with High-Density EMG Using Deep Learning at the Edge [1.7326191103346418]
  NeuroEdgeはリアルタイムのHD EMGベースのNMIシステムであり、リソース制約されたマイクロコントローラ上でジェスチャー認識を行う。 我々は,NeuroEdgeが7つのジェスチャーに対して90%のリアルタイム分類精度を実現し,平均遅延は83msであることを示した。
  論文  参考訳（メタデータ） (2026-05-28T04:01:06Z)
• End-to-End Keyword Spotting on FPGA Using Graph Neural Networks with a Neuromorphic Auditory Sensor [5.586479481221699]
  ニューロモルフィック聴覚センサ(NAS)とグラフニューラルネットワーク(GNN)を統合したキーワードスポッティングシステムのエンドツーエンドFPGA実装について述べる。 提案アーキテクチャでは、従来の信号前処理を廃止し、イベントベースのオーディオストリームを直接操作する。 ニューロモルフィックセンサーによって処理されたGoogle Speech Commands v2データセットの量子化後の精度は87.43%である。
  論文  参考訳（メタデータ） (2026-05-10T14:31:01Z)
• Design and Validation of a Lightweight 1D CNN for Affective Touch Classification in Soft Plush Companions [59.49967357689445]
  ソフトなセンサー付きコンパニオンは、社会的支援技術のための物理的に安全で感情的に直感的なインターフェースを提供する。 本研究では,ソフト・インタラクティブ・コンパニオンにおける感情的触覚認識のためのディープラーニングモデルの開発と検証を目的とした,オープンソースで拡張されたリアルタイムフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-04-16T10:20:05Z)
• Event-Driven Implementation of a Physical Reservoir Computing Framework for superficial EMG-based Gesture Recognition [2.222098162797332]
  本稿では,表面筋電図(SEMG)データをイベント駆動方式で抽出することで,ジェスチャー認識のための新しいニューロモーフィックな実装手法を提案する。 このネットワークは、スパイキングニューラルネットワーク(SNN)の領域内で、回転ニューロン貯水池(Rotating Neuron Reservoir, RNR)と呼ばれる単純な構造化およびハードウェアフレンドリな物理貯留層コンピューティングフレームワークを実装して設計された。 提案システムはオープンアクセス型大規模sEMGデータベースで検証され,平均分類精度は74.6%,80.3%であった。
  論文  参考訳（メタデータ） (2025-03-10T17:18:14Z)
• Low-power event-based face detection with asynchronous neuromorphic hardware [2.0774873363739985]
  本稿では、SynSense Speckニューロモルフィックチップ上に展開されたイベントベースの顔検出のためのオンチップスパイクニューラルネットワークの最初の例を示す。 トレーニングに用いるオフチップクロック駆動シミュレーションとオンチップイベント駆動推論との精度の相違について述べる。 オンチップ顔検出のmAP[0.5]は0.6で、20mWしか消費しない。
  論文  参考訳（メタデータ） (2023-12-21T19:23:02Z)
• Random resistive memory-based deep extreme point learning machine for unified visual processing [67.51600474104171]
  ハードウェア・ソフトウェア共同設計型, ランダム抵抗型メモリベース深部極点学習マシン(DEPLM)を提案する。 我々の共同設計システムは,従来のシステムと比較して,エネルギー効率の大幅な向上とトレーニングコストの削減を実現している。
  論文  参考訳（メタデータ） (2023-12-14T09:46:16Z)
• Agile gesture recognition for capacitive sensing devices: adapting on-the-job [55.40855017016652]
  本システムでは, コンデンサセンサからの信号を手の動き認識器に組み込んだ手動作認識システムを提案する。 コントローラは、着用者5本の指それぞれからリアルタイム信号を生成する。 機械学習技術を用いて時系列信号を解析し,500ms以内で5本の指を表現できる3つの特徴を同定する。
  論文  参考訳（メタデータ） (2023-05-12T17:24:02Z)
• ETLP: Event-based Three-factor Local Plasticity for online learning with neuromorphic hardware [105.54048699217668]
  イベントベース3要素局所塑性(ETLP)の計算複雑性に明らかな優位性を有する精度の競争性能を示す。 また, 局所的可塑性を用いた場合, スパイキングニューロンの閾値適応, 繰り返しトポロジーは, 時間的構造が豊富な時間的パターンを学習するために必要であることを示した。
  論文  参考訳（メタデータ） (2023-01-19T19:45:42Z)
• Fluid Batching: Exit-Aware Preemptive Serving of Early-Exit Neural Networks on Edge NPUs [74.83613252825754]
  スマートエコシステム(smart ecosystems)"は、スタンドアロンではなく、センセーションが同時に行われるように形成されています。 これはデバイス上の推論パラダイムを、エッジにニューラル処理ユニット(NPU)をデプロイする方向にシフトしている。 そこで本研究では,実行時のプリエンプションが到着・終了プロセスによってもたらされる動的性を考慮に入れた,新しい早期終了スケジューリングを提案する。
  論文  参考訳（メタデータ） (2022-09-27T15:04:01Z)
• Braille Letter Reading: A Benchmark for Spatio-Temporal Pattern Recognition on Neuromorphic Hardware [50.380319968947035]
  近年の深層学習手法は,そのようなタスクにおいて精度が向上しているが,従来の組込みソリューションへの実装は依然として計算量が非常に高く,エネルギーコストも高い。 文字読み込みによるエッジにおける触覚パターン認識のための新しいベンチマークを提案する。 フィードフォワードとリカレントスパイキングニューラルネットワーク(SNN)を、サロゲート勾配の時間によるバックプロパゲーションを用いてオフラインでトレーニングし比較し、効率的な推論のためにIntel Loihimorphicチップにデプロイした。 LSTMは14%の精度で繰り返しSNNより優れており、Loihi上での繰り返しSNNは237倍のエネルギーである。
  論文  参考訳（メタデータ） (2022-05-30T14:30:45Z)
• Convolutional-Recurrent Neural Networks on Low-Power Wearable Platforms for Cardiac Arrhythmia Detection [0.18459705687628122]
  マイクロコントローラと低消費電力プロセッサで動作するニューラルネットワークの推論に焦点を当てる。 心不整脈を検出・分類するために既存の畳み込みリカレントニューラルネットワークを適用した。 メモリフットプリントは195.6KB、スループットは33.98MOps/sである。
  論文  参考訳（メタデータ） (2020-01-08T10:35:48Z)

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。