面向机器人神经形态感知的工具箱
机器人学
2021-10-06 v2 神经与进化计算
摘要
神经形态计算所引入的第三代人工智能(AI)正在革新机器人与自主系统感知世界、处理信息及与环境交互的方式。神经形态系统所具有的高灵活性、高能效与鲁棒性的前景，已得到脉冲神经网络仿真软件工具与硬件集成（神经形态处理器）的广泛支撑。然而，尽管在神经形态视觉（基于事件的相机）方面已有诸多努力，值得注意的是，机器人可用的大部分传感器仍天然与神经形态计算不兼容，后者将信息编码为脉冲。为便于使用传统传感器，我们需要将其输出信号转换为脉冲流，即一系列事件（+1、-1）及其相应时间戳。本文从机器人视角综述了编码算法，并以基准测试评估其性能作为支撑。我们还引入了ROS（机器人操作系统）工具箱，用于编码和解码来自机器人上任意类型传感器的输入信号。该倡议旨在激发并促进神经形态AI的机器人集成，借助最强大的机器人工具之一ROS，将传统现成传感器适配于脉冲神经网络。
引用
@article{arxiv.2103.02751,
title = {A toolbox for neuromorphic sensing in robotics},
author = {Julien Dupeyroux and Stein Stroobants and Guido de Croon},
journal= {arXiv preprint arXiv:2103.02751},
year = {2021}
}
备注
7 pages, 4 figures, 3 tables, 8 algorithms