模拟眼动系统结构的脉冲神经网络无需学习即可控制仿生机器人头部
机器人学
2020-06-09 v2 神经与进化计算
神经元与认知
摘要
机器人视觉要求在持续变化的环境中对快速变化、含噪的信息进行实时处理。在真实世界环境中，诸如静态相机系统以及吞噬大量理想中略微变化数据的深度学习算法等便利假设难以存续。基于近期关于眼动相关神经连接组的研究，我们设计了一个神经形态眼动控制器，并将其置于我们自研仿生机器人头部原型的核心。该控制器的独特之处在于：(1) 所有数据由脉冲神经网络(SNN)编码和处理；(2) 通过模仿相关脑区拓扑，该 SNN 具有生物学可解释性且无需训练即可运行。在此，我们报告机器人的目标跟踪能力，证明其眼运动学类似于人眼研究中报道的结果，并展示生物学约束的学习虽非 SNN 功能所需，但可用于进一步优化其性能。本工作与我们开发节能神经形态 SNN 并利用其涌现智能以多功能性和鲁棒性控制仿生机器人的持续努力相一致。
引用
@article{arxiv.2002.07534,
title = {A Spiking Neural Network Emulating the Structure of the Oculomotor System Requires No Learning to Control a Biomimetic Robotic Head},
author = {Praveenram Balachandar and Konstantinos P. Michmizos},
journal= {arXiv preprint arXiv:2002.07534},
year = {2020}
}
备注
6 pages, 3 figures, IEEE International Conference on Biomedical Robotics and Biomechatronics (BioRob) 2020