在混合信号神经形态处理器上实现的脉冲神经网络中的自适应运动控制与学习
新兴技术
2019-07-10 v1 神经与进化计算
摘要
神经形态计算是一种受生物神经网络启发的、针对计算硬件与算法设计的新范式。其基于事件的本质与固有的并行性使神经形态计算成为构建高效的、基于神经网络的架构以控制快速敏捷机器人的有前景的范式。在本文中，我们提出了一种利用感官反馈来控制机器人载具旋转速度的脉冲神经网络架构。当速度达到目标值时，从载具目标速度到正确电机指令的映射（二者均表示在神经形态器件上的脉冲神经网络中）利用片上可塑性突触权重自主存储于器件上。我们使用微型移动载具的轮式电机与惯性测量单元作为感官反馈来验证该控制器，并展示了在神经形态芯片上的两层脉冲神经网络中对简单“逆模型”的在线学习。该具有 256 个脉冲神经元的原型神经形态器件使我们能够实现纯神经形态运动控制与学习的简单概念验证架构。若可获得更大的神经形态器件，该架构可轻易扩展。
引用
@article{arxiv.1810.10801,
title = {Adaptive motor control and learning in a spiking neural network realised on a mixed-signal neuromorphic processor},
author = {Sebastian Glatz and Julien N. P. Martel and Raphaela Kreiser and Ning Qiao and Yulia Sandamirskaya},
journal= {arXiv preprint arXiv:1810.10801},
year = {2019}
}
备注
6+1 pages, 4 figures, will appear in one of the Robotics conferences