一种用于杂乱动态背景中碰撞检测的生物启发接近敏感神经网络
机器人学
2021-03-02 v1 人工智能
摘要
在杂乱运动背景中快速、准确且鲁棒地检测迫近物体，是机器人视觉系统执行碰撞检测与避让任务的重要且具挑战性的问题。受哺乳动物视网膜初级运动视觉神经回路启发，本文提出一种生物启发的接近敏感神经网络（ASNN），包含三项主要贡献。首先，基于时空能量框架构建方向选择性视觉处理模块，仅通过两个相互垂直的时空滤波通道即可准确估计运动方向。其次，将一种新颖的接近敏感神经网络建模为由ON与OFF通路构成的推挽结构，其对接近运动响应强烈而对横向运动不敏感。最后，引入方向选择性抑制方法，能有效抑制平移背景。大量合成与真实机器人实验表明，所提模型不仅能在杂乱动态背景中准确鲁棒地检测碰撞，还可提取位置与方向等碰撞信息，以引导快速决策。
引用
@article{arxiv.2103.00857,
title = {A Bioinspired Approach-Sensitive Neural Network for Collision Detection in Cluttered and Dynamic Backgrounds},
author = {Xiao Huang and Hong Qiao and Hui Li and Zhihong Jiang},
journal= {arXiv preprint arXiv:2103.00857},
year = {2021}
}