用于超节能、端侧机器人定位的紧凑型神经形态系统
机器人学
2025-06-19 v2
摘要
神经形态计算为克服在边缘部署机器人定位和导航系统所面临的计算与能源挑战提供了一条变革性途径。视觉位置识别是导航的关键组件，但常受限于传统系统的高资源需求，使其不适用于仍需精确长续航定位的小型机器人平台。尽管神经形态方法提供了更高效率的潜力，但实时边缘部署仍受到生物逼真网络复杂性的制约。为了克服这一挑战，软硬件融合对于采用这种专用计算范式至关重要。在此，我们展示了一种神经形态定位系统，该系统使用小至 180 KB、包含 44,000 个参数的模型，在长达 8 公里的行程中执行了具有竞争力的位置识别，同时能耗不到传统方法的 8%。我们的神经形态系统位置编码将脉冲神经网络、基于事件的动态视觉传感器和神经形态处理器集成在单个 SynSense Speck 芯片内，从而在六足机器人上实现了实时、节能的定位。与基准位置识别方法绝对差和（SAD）相比，LENS 在整体精度上表现相当。LENS 代表了一种精确的全神经形态定位系统，能够进行大规模、端侧部署，以实现节能的机器人位置识别。神经形态计算使资源受限的机器人能够执行节能、精确的定位。
引用
@article{arxiv.2408.16754,
title = {A compact neuromorphic system for ultra-energy-efficient, on-device robot localization},
author = {Adam D. Hines and Michael Milford and Tobias Fischer},
journal= {arXiv preprint arXiv:2408.16754},
year = {2025}
}
备注
42 pages, 5 main figures, 8 supplementary figures, 2 supplementary tables, and 1 movie