論文の概要: Towards bio-inspired visual navigation: a neuromorphic navigation paradigm for MAVs
- arxiv url: http://arxiv.org/abs/2610.21978v1
- Date: Thu, 15 Oct 2026 14:31:25 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-17 06:09:33.128333
- Title: Towards bio-inspired visual navigation: a neuromorphic navigation paradigm for MAVs
- Title（参考訳）: バイオインスパイアされた視覚ナビゲーションを目指して--MAVのためのニューロモルフィックナビゲーションパラダイム
- Abstract要約: 複雑な環境下でのMAV視覚ナビゲーションのための,最初のエンドツーエンドのイベント駆動型ニューロモルフィックパラダイムを提案する。
提案したニューロモルフィック法は,ANN法に匹敵する航法性能を実現するとともに,消費電力を大幅に削減することを示す。
本研究は,自律ナビゲーションにおけるニューロモルフィックパラダイムの実現可能性を確立し,ロバストで低消費電力なMAVナビゲーションへのバイオインスパイアされた経路を提供する。
- 参考スコア（独自算出の注目度）: 4.281066563306168
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Biological visual navigation achieves remarkable robustness at extremely low power, whereas frame-based robotic systems relying on artificial neural networks remain limited in both respects, particularly for energy-constrained micro aerial vehicles (MAVs) operating in complex environments. Inspired by the event-driven, sparse, and asynchronous principles of biological visual systems, neuromorphic sensing and computation provide a promising alternative for robust and energy-efficient navigation. In this paper, we propose the first end-to-end event-driven neuromorphic paradigm for MAV visual navigation in complex environments by integrating neuromorphic vision, spiking neural networks, and neuromorphic processors. The proposed method first extracts the environmental representation from event streams using a spiking perceptual representation module. This representation is fed into a spiking navigation module, where guidance learning and population coding enable efficient policy learning with few time steps. The navigation module then outputs a waypoint converted into executable trajectory points. Experiments show that the proposed neuromorphic method achieves navigation performance comparable to ANN-based methods while markedly reducing power consumption. The spiking perceptual module consumes only 19.57% of the power of its ANN counterpart, while the spiking navigation module deployed on Intel Loihi consumes only 12.37% of that required by its ANN counterpart running on NVIDIA Orin NX. Beyond prior neuromorphic systems focused mainly on relatively simple navigation subtasks, we demonstrate a complete neuromorphic visual navigation system spanning simulation and real-world deployment. Our results establish the feasibility of the neuromorphic paradigm for autonomous navigation and provide a bio-inspired pathway toward robust and low-power MAV navigation.
- Abstract（参考訳）: 生物学的視覚ナビゲーションは、非常に低消費電力で顕著な堅牢性を達成する一方、複雑な環境で稼働するエネルギー制約されたマイクロエアロビー(MAV)において、人工ニューラルネットワークに依存するフレームベースのロボットシステムは、両方の点で制限されている。
生体視覚システムのイベント駆動、疎結合、非同期原理にインスパイアされたニューロモルフィックセンシングと計算は、堅牢でエネルギー効率の良いナビゲーションのための有望な代替手段となる。
本稿では,ニューロモルフィック視覚,スパイクニューラルネットワーク,ニューロモルフィックプロセッサを統合し,複雑な環境下でのMAV視覚ナビゲーションのための最初のエンドツーエンドイベント駆動型ニューロモルフィックパラダイムを提案する。
提案手法は,まず,スパイク知覚表現モジュールを用いてイベントストリームから環境表現を抽出する。
この表現はスパイクナビゲーションモジュールに入力され、ガイダンス学習と集団符号化により、少ない時間ステップで効率的なポリシー学習が可能になる。
ナビゲーションモジュールは、実行可能トラジェクトリポイントに変換されたウェイポイントを出力する。
実験の結果,提案手法はANN法に匹敵する航法性能を実現し,消費電力を著しく低減することがわかった。
スパイク知覚モジュールはANNの電力の19.57%しか消費していないが、Intel LoihiにデプロイされたスパイクナビゲーションモジュールはNVIDIA Orin NXで動作するANNの電力の12.37%しか消費していない。
比較的単純なナビゲーションサブタスクに焦点を当てた従来のニューロモーフィックシステム以外にも、シミュレーションと実世界の展開にまたがる完全なニューロモーフィック視覚ナビゲーションシステムを実証する。
本研究は,自律ナビゲーションにおけるニューロモルフィックパラダイムの実現可能性を確立し,ロバストで低消費電力なMAVナビゲーションへのバイオインスパイアされた経路を提供する。
関連論文リスト
- From Vision to Decision: Neuromorphic Control for Autonomous Navigation and Tracking [10.144707192962068]
視覚誘導ナビゲーションとトラッキングのための擬似ニューロモルフィック制御フレームワークを提案する。
搭載カメラからの画像ピクセルは、動的ニューロン集団への入力として符号化される。
最近提案された動物の認知と意見力学の力学モデルにインスパイアされたニューロモルフィックコントローラは、最小の計算負担でリアルタイムの自律性を提供する。
論文 参考訳（メタデータ） (2026-02-05T14:09:09Z) - VLN-Zero: Rapid Exploration and Cache-Enabled Neurosymbolic Vision-Language Planning for Zero-Shot Transfer in Robot Navigation [52.00474922315126]
未確認環境のための視覚言語ナビゲーションフレームワークであるVLN-Zeroを提案する。
我々は視覚言語モデルを用いて、記号的なシーングラフを効率的に構築し、ゼロショットのニューロシンボリックナビゲーションを可能にする。
VLN-Zeroは、最先端のゼロショットモデルと比べて2倍の成功率を獲得し、最も微調整されたベースラインを上回り、半分の時間でゴール地点に達する。
論文 参考訳（メタデータ） (2025-09-23T03:23:03Z) - EDEN: Entorhinal Driven Egocentric Navigation Toward Robotic Deployment [1.5190286092106713]
EDENは生物学的にインスパイアされたナビゲーションフレームワークで、学習したエントルヒンナル様のグリッド細胞表現と強化学習を統合し、自律的なナビゲーションを可能にする。
EDENは哺乳類の角膜-海馬システムにインスパイアされ、視覚とモーションセンサーのデータを使用して、経路統合とベクターベースのナビゲーションを行うことができる。
論文 参考訳（メタデータ） (2025-06-03T16:28:33Z) - Navigation World Models [68.58459393846461]
本稿では,過去の観測とナビゲーション行動に基づいて,将来の視覚観測を予測できる制御可能な映像生成モデルを提案する。
慣れ親しんだ環境では、NWMはナビゲーションの軌道をシミュレートし、目的を達成するかどうかを評価することで計画することができる。
実験は、スクラッチからの軌道計画や、外部ポリシーからサンプリングされた軌道のランク付けにおいて、その効果を実証する。
論文 参考訳（メタデータ） (2024-12-04T18:59:45Z) - NaviSlim: Adaptive Context-Aware Navigation and Sensing via Dynamic Slimmable Networks [2.145904182587639]
NaviSlimは、コンピューティングとセンサーに費やされるリソース量に適応可能な、ニューラルナビゲーションモデルの新たなクラスである。
NaviSlimは、既存のスリムブルネットワークとは異なり、モデル複雑性を自律的にスケールするためにスリム化要因を動的に選択できるゲートスリムブルニューラルネットワークアーキテクチャとして設計されている。
難易度が異なるシナリオでNaviSlimモデルを評価し, 平均57～92%, 61～80%のセンサ利用率でモデル複雑性を動的に減少させるテストセットを作成した。
論文 参考訳（メタデータ） (2024-05-16T01:18:52Z) - Bio-inspired spike-based Hippocampus and Posterior Parietal Cortex
models for robot navigation and environment pseudo-mapping [52.77024349608834]
本研究はスパイクに基づくロボットナビゲーションと環境擬似マッピングシステムを提案する。
海馬は環境状態マップの表現を担い、PPCは局所的な意思決定を担当している。
これはバイオインスパイアされた海馬記憶に基づく動的学習を用いた環境擬似マッピングシステムの最初の実装である。
論文 参考訳（メタデータ） (2023-05-22T10:20:34Z) - A Driving Behavior Recognition Model with Bi-LSTM and Multi-Scale CNN [59.57221522897815]
運転行動認識のための軌道情報に基づくニューラルネットワークモデルを提案する。
提案手法を公開BLVDデータセット上で評価し,満足な性能を実現する。
論文 参考訳（メタデータ） (2021-03-01T06:47:29Z) - Temporal Pulses Driven Spiking Neural Network for Fast Object
Recognition in Autonomous Driving [65.36115045035903]
スパイキングニューラルネットワーク(SNN)を用いた生時間パルスで直接物体認識問題に対処する手法を提案する。
各種データセットを用いて評価した結果,提案手法は最先端の手法に匹敵する性能を示しながら,優れた時間効率を実現している。
論文 参考訳（メタデータ） (2020-01-24T22:58:55Z)
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。