基于演化神经形态雷达的高度控制器用于自主开源飞艇

机器人飞艇在安全性、机动性和延长飞行时间方面具有显著优势。然而，其极其严格的重量约束对执行所需控制任务的可计算资源构成了主要挑战。神经形态计算是解决此类问题的一个有前景的研究方向。通过模仿生物在神经元间利用尖峰或脉冲传递信息的过程，脉冲神经网络（SNNs）实现了低功耗消耗和异步事件驱动处理。在本文中，我们提出一种基于 SNN 的演化高度控制器，用于仅依赖机载雷达提供感官反馈的机器人飞艇。从设计轻量、低成本、开源飞艇出发，我们还提出了一种基于 SNN 的控制器架构、在仿真环境中训练网络的演化框架，以及缓解与现实差距的控制策略。系统性能通过真实世界实验评估，通过与人工神经网络和线性控制器比较展示了我们方法的优势。结果显示以高效控制代价准确跟踪高度指令。