論文の概要: Can Spiking Neural Networks play pinball? A neuromorphic motion detector for target tracking
- arxiv url: http://arxiv.org/abs/2609.24403v1
- Date: Mon, 21 Sep 2026 10:55:26 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-22 20:29:01.257322
- Title: Can Spiking Neural Networks play pinball? A neuromorphic motion detector for target tracking
- Title（参考訳）: スパイクニューラルネットワークはピンボールをできる? 標的追跡のためのニューロモルフィック・モーション・ディテクター
- Abstract要約: この研究は、閉ループピンボールゲームプレイのための、完全なスパイクでリアルタイムな知覚-行動パイプラインを示す。
ヒット率は56.1%で、平均の2倍近く、21.7ミリ秒(ネットワーク遅延5ミリ秒)以内で反応し、推定148Wを25k未満のニューロンで消費する。
その完全なスパイクで学習不要なデザインは、リアルタイムのニューロモルフィック知覚のコンパクトでエネルギー効率の良い例を提供する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Biological visual systems achieve continuous, low-latency motion perception by processing sparse, asynchronous spiking signals, enabling real-time tracking under strict energy constraints. Event-based cameras, inspired by the mammalian retina, replicate this efficiency by capturing only local brightness changes as asynchronous events, offering a natural substrate for spiking neural networks (SNNs) to parallelise computation and adapt to fast-changing scenes. Pinball provides a controlled yet dynamic testbed, requiring precise motion estimation and fast reaction to a small, rapidly moving target. This work presents a fully spiking, real-time perception-to-action pipeline for closed-loop pinball gameplay. A dynamic vision sensor observes a small, fast-moving ball, and a network of spiking Time-Difference Encoders on the SpiNNaker neuromorphic platform jointly estimates its position, speed, and direction. The system is characterised across receptive field size, accumulation window, and angular tuning width for real-time operation, and benchmarked in closed loop against human players across two flipper regimes of increasing physical realism. It achieves a hit rate of 56.1%, nearly double the human average, reacting within 21.7 ms (5 ms network latency) and consuming an estimated 148 μW using fewer than 25k neurons, among the fastest and most energy-efficient event-based closed-loop demonstrators benchmarked. Under more realistic flipper dynamics, tuning a single interpretable policy parameter reproduces the full spectrum of human play styles, from cautious to aggressive, with no change to the perception pipeline. A physical demonstrator, tracking a real ball and actuating real flippers in closed loop, confirms the principle operates beyond simulation. Its fully spiking, learning-free design offers a compact, energy-efficient example of real-time neuromorphic perception-to-action.
- Abstract（参考訳）: 生体視覚システムは、スパースで非同期なスパイク信号を処理し、厳密なエネルギー制約下でリアルタイムのトラッキングを可能にすることで、連続して低レイテンシな動作知覚を実現する。
哺乳類の網膜にインスパイアされたイベントベースのカメラは、局所的な明るさ変化のみを非同期イベントとして捉え、計算を並列化し、高速に変化するシーンに適応するためにニューラルネットワーク(SNN)をスパイクするための自然な基質を提供する。
ピンボールは制御されているがダイナミックなテストベッドを提供し、正確な動きの推定と、素早く動く小さなターゲットへの迅速な反応を必要とする。
この研究は、閉ループピンボールゲームプレイのための、完全なスパイクでリアルタイムな知覚-行動パイプラインを示す。
動的視覚センサは、小さな動きの速いボールを観察し、SpiNNakerニューロモルフィックプラットフォーム上のタイムディファレンスエンコーダをスパイクするネットワークは、その位置、速度、方向を共同で推定する。
このシステムは、知覚的フィールドサイズ、蓄積ウィンドウ、およびリアルタイム操作のための角度調整幅にまたがって特徴付けられ、物理的リアリズムを増大させる2つのフリップパ方式で人間のプレイヤーに対してクローズドループでベンチマークされる。
21.7ミリ秒(ネットワーク遅延5ミリ秒)以内で反応し、25k未満のニューロンで推定148μWを消費する。
より現実的なフッパー力学の下では、単一の解釈可能なポリシーパラメータをチューニングすることで、人間のプレイスタイルの完全なスペクトルを再現する。
物理デモンストレータは、本物のボールを追跡し、クローズドループで本物のフッパーを作動させる。
その完全なスパイクで学習不要なデザインは、リアルタイムのニューロモルフィック知覚のコンパクトでエネルギー効率の良い例を提供する。
関連論文リスト
- SpikingMOT: A Spike-Driven Multi-Object Tracker [75.7974381720717]
SpikingMOTはスパイク駆動トラッカーとして提案され、スパイクニューラルネットワーク(SNN)を用いたスパース軌道力学を適応的にモデル化する。
この脳にインスパイアされたループにより、SpikeMOTは広範な実験で最先端のパフォーマンスを達成する。
論文 参考訳（メタデータ） (2026-07-22T08:03:23Z) - Biologically Inspired Event-Based Perception and Sample-Efficient Learning for High-Speed Table Tennis Robots [10.521203582695533]
本稿では,イベントベースの知覚とサンプル効率の学習を組み合わせた,高速卓球ロボットのための生物学的なアプローチを提案する。
認識側では、フレーム再構成なしで非同期イベントストリーム上で直接動作する動きキューと幾何整合性を利用するイベントベース球検出法を提案する。
意思決定面では、まず低速シナリオにおける政策を訓練し、基本から先進的なスキルを段階的に獲得し、ケース依存の時間適応報酬と報酬保持機構によって誘導された高速シナリオに適応する、人為的な、サンプル効率のトレーニング戦略を導入する。
論文 参考訳（メタデータ） (2026-04-06T12:10:34Z) - Wandering around: A bioinspired approach to visual attention through object motion sensitivity [40.966228784674115]
アクティブビジョンは動的視覚認識を可能にし、コンピュータビジョンにおける静的フィードフォワードアーキテクチャの代替を提供する。
哺乳類の網膜に触発されたイベントベースのカメラは、非同期シーンの変化を捉えてこの機能を強化する。
イベントベースのカメラが動いている間、移動物体を識別するためには、エージェントは物体の動きのセグメンテーション機構を必要とする。
本研究は、物体の運動感度を介して選択的注意を喚起するための、畳み込みニューラルネットワークバイオインスパイアされた注意システムを提案する。
論文 参考訳（メタデータ） (2025-02-10T18:16:30Z) - Event-based vision for egomotion estimation using precise event timing [0.6262316762195913]
エゴモーション推定は、自律ナビゲーションやロボット工学といった応用に不可欠である。
慣性センサーに依存する従来の方法は、外部条件に敏感である。
視覚ベースの手法は、シーンで変化が認識されたときにのみデータをキャプチャすることで、効率的な代替手段を提供する。
論文 参考訳（メタデータ） (2025-01-20T15:41:33Z) - MATE: Motion-Augmented Temporal Consistency for Event-based Point Tracking [58.719310295870024]
本稿では,任意の点を追跡するイベントベースのフレームワークを提案する。
事象の間隔に起因する曖昧さを解決するため、運動誘導モジュールは運動ベクトルを局所的なマッチングプロセスに組み込む。
このメソッドは、任意のポイントベースラインのイベントのみのトラッキングに対して、$Survival_50$メトリックを17.9%改善する。
論文 参考訳（メタデータ） (2024-12-02T09:13:29Z) - 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) - EV-Catcher: High-Speed Object Catching Using Low-latency Event-based
Neural Networks [107.62975594230687]
イベントカメラが優れており、高速移動物体の衝突位置を正確に推定するアプリケーションを実証する。
イベントデータを低レイテンシでエンコードするために,Binary Event History Image(BEHI)と呼ばれる軽量なイベント表現を導入する。
計算制約のある組込みプラットフォーム上でも最大13m/sの速さで, 異なる場所をターゲットとした球のキャッチにおいて, 81%の成功率を達成することができることを示す。
論文 参考訳（メタデータ） (2023-04-14T15:23:28Z) - StreamYOLO: Real-time Object Detection for Streaming Perception [84.2559631820007]
将来を予測する能力を備えたモデルを提供し、ストリーミング知覚の結果を大幅に改善する。
本稿では,複数の速度を駆動するシーンについて考察し,VasAP(Velocity-Awared streaming AP)を提案する。
本手法は,Argoverse-HDデータセットの最先端性能を実現し,SAPとVsAPをそれぞれ4.7%,VsAPを8.2%改善する。
論文 参考訳（メタデータ） (2022-07-21T12:03:02Z) - Real-time Object Detection for Streaming Perception [84.2559631820007]
ストリーミング知覚は,ビデオオンライン知覚の1つの指標として,レイテンシと精度を共同評価するために提案される。
ストリーミング知覚のためのシンプルで効果的なフレームワークを構築します。
提案手法はArgoverse-HDデータセット上での競合性能を実現し,強力なベースラインに比べてAPを4.9%向上させる。
論文 参考訳（メタデータ） (2022-03-23T11:33:27Z) - Fast Motion Understanding with Spatiotemporal Neural Networks and
Dynamic Vision Sensors [99.94079901071163]
本稿では,高速な動きを推論するための動的視覚センサ(DVS)システムを提案する。
ロボットが15m/s以上の速度で接近する小さな物体に反応するケースを考察する。
我々は,23.4m/sで24.73degの誤差を$theta$,18.4mmの平均離散半径予測誤差,衝突予測誤差に対する25.03%の中央値で移動した玩具ダートについて,本システムの結果を強調した。
論文 参考訳（メタデータ） (2020-11-18T17:55:07Z) - A Time-Delay Feedback Neural Network for Discriminating Small,
Fast-Moving Targets in Complex Dynamic Environments [8.645725394832969]
複雑な視覚環境の中で小さな移動物体を識別することは、自律型マイクロロボットにとって重要な課題である。
フィードバック接続を備えたSTMDベースのニューラルネットワーク(Feedback STMD)を提案する。
論文 参考訳（メタデータ） (2019-12-29T03:10:36Z)
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。