寻找间隙：杂乱环境中的神经形态运动视觉

许多动物在环境中蜿蜒前行并避免碰撞。潜在的神经元机制如何在多样环境中产生稳健行为仍不清楚。在果蝇脑中，运动敏感神经元指示附近物体的存在，方向线索在称为中央复合体的区域内整合。此类神经元机制，不同于传统的基于流的信号处理方式，采用基于事件的方法，事件在动物感知到变化时发生。与冯·诺依曼计算架构相反，基于事件的神经形态硬件被设计用于以异步且分布式的方式处理信息。受果蝇脑启发，我们首次建模了一个神经形态闭环系统，模拟飞行昆虫中观察到的关键行为，如杂乱环境中蜿蜒前行与穿越间隙，这些对自主车辆高度相关。我们在软件与神经形态硬件上均实现了该系统。在环境中移动时，我们的智能体感知周围变化并利用该信息进行避障。智能体的机动源于实现概率决策过程的闭环动作-感知回路。这种闭环被认为自寒武纪大爆发以来驱动了生物智能体神经回路的发展。在理解人工智能体中神经计算的根本探索中，我们通过在神经形态系统中也闭合回路，更接近理解与建模生物智能。作为一个闭环系统，我们的系统深化了我们对神经网络中处理以及生物与人工系统计算的理解。借助这些研究，我们旨在为未来的神经形态智能奠定基础，迈向释放神经形态系统的全部潜力。