面向机器人自主性的嵌入式神经网络
机器人学
2019-11-12 v1 信号处理
摘要
我们提出一个库，用于将信号处理与神经网络预测自动嵌入到制造机器人的材料中。深度与浅层神经网络模型首先使用最先进的机器学习工具离线训练，然后转移到与机器人传感器和执行器共置的通用微控制器上。我们使用多个示例验证该方法：用于地形分类的智能机器人轮胎、用于负载分类的机器人手指传感器，以及能够回归冲击源定位的智能复合材料。在每个示例中，感知与计算都嵌入材料内部，所创造的构件可替代原本惰性的传统部件。该开源软件库以来自高层学习软件（如 Tensorflow/Keras）的已训练模型文件为输入，输出可在支持 C 的微控制器中读取的代码。我们比较了该方法在不同嵌入式平台上的性能。特别地，我们表明低成本现成微控制器可匹配台式计算机的精度，同时在多种神经网络配置下快到足以满足实时应用。我们提供了基于微控制器规格估算硬件所支持最大参数数量的方法。
引用
@article{arxiv.1911.03848,
title = {Embedded Neural Networks for Robot Autonomy},
author = {Sarah Aguasvivas Manzano and Dana Hughes and Cooper Simpson and Radhen Patel and Nikolaus Correll},
journal= {arXiv preprint arXiv:1911.03848},
year = {2019}
}
备注
Accepted for publication in the proceedings of the International Symposium on Robotics Research (ISRR) 2019. 16 pages