面向自主导航与跟踪的类神经控制
机器人学
2026-02-06 v1 系统与控制
系统与控制
摘要
机器人导航历来面临着感应式传感器控制与基于模型的规划器能力之间的矛盾。当目标之间不存在主导选项导致决策困难时,这种二元性变得至关重要,这会挑战感应式系统在没有计算密集型规划器的情况下打破对称性。我们提出一种简洁的类神经控制框架,用于视觉引导的导航与跟踪。图像像素来自 onboard 相机编码为动态神经群体的输入,直接将视觉目标激发转化为 egocentric 运动命令。动态分叉机制在环境几何引起的临界点处延迟承诺,从而解决决策困难。受动物认知和舆论动力学模型启发,类神经控制器在最小计算负载下提供实时自主性,参数少且可解释,可无缝集成到特定于应用的图像处理管道中。我们在仿真环境以及实验 quadrotor 平台上验证了该方法。
引用
@article{arxiv.2602.05683,
title = {From Vision to Decision: Neuromorphic Control for Autonomous Navigation and Tracking},
author = {Chuwei Wang and Eduardo Sebastián and Amanda Prorok and Anastasia Bizyaeva},
journal= {arXiv preprint arXiv:2602.05683},
year = {2026}
}