基于事件视觉传感器与脉冲神经网络的六足机器人仿生步态模仿
神经与进化计算
2020-04-14 v1 机器人学
系统与控制
系统与控制
摘要
对大多数动物而言，学习行走是一项复杂的神经任务。为了行走，大脑必须整合多个皮层、神经回路与多样感觉输入。一些动物（如人类）通过模仿周围个体来加快学习。当人类观察同伴时，视觉数据经由大脑视觉皮层处理。这种基于模仿学习的复杂问题通过中枢模式发生器（CPG）在视觉数据与肌肉驱动间建立关联。在低功耗、能量受限且正学习行走的机器人上复现此模仿现象仍具挑战且未被探索。我们提出一种基于神经形态计算与事件视觉的仿生前馈方法来解决步态模仿问题。所提方法通过观看“专家”六足机器人移动其腿，训练“学生”六足机器人行走。学生使用一层脉冲神经网络（SNN）处理动态视觉传感器（DVS）数据流。学生的 SNN 在十次迭代的较小收敛时间内成功模仿专家，并展现出亚微焦级的能量效率。
引用
@article{arxiv.2004.05450,
title = {Bio-inspired Gait Imitation of Hexapod Robot Using Event-Based Vision Sensor and Spiking Neural Network},
author = {Justin Ting and Yan Fang and Ashwin Sanjay Lele and Arijit Raychowdhury},
journal= {arXiv preprint arXiv:2004.05450},
year = {2020}
}
备注
7 pages, 9 figures, to be published in proceeding of IEEE WCCI/IJCNN