飞蛾神经感知机制如何增强微型机器人的视觉运动控制

任何尝试拍打飞虫的人都可能因为其惊人灵活性而感到挫败。这一能力源于其小脑中的特定视觉神经感知系统，尤其是具有碰撞选择性的神经元。在复杂且不熟悉的环境中实现类似灵活性的自主机器人高度渴望，但往往受制于计算成本与性能之间的权衡。在此背景下，昆虫启发的智能提供了一条通用且低功耗、计算效率高的方案。本文提出一种受飞蛾视觉投射神经元——小盆盘/小盆列类型2(LPLC2)及其相关逃逸行为启发的注意力驱动的视觉运动控制策略。据称这是首次将LPLC2神经模型嵌入物理移动机器人的嵌入式视觉中，使其能够实现碰撞感知和反应逃避。该模型在内存中被简化和优化至70KB，以适应基于视觉的微型机器人Colias的计算约束，同时保留关键的神经感知机制。我们进一步采用多注意力机制来模拟LPLC2响应的分布式特性，使机器人能够快速且有选择性地检测和反应于靠近的目标。我们系统评估了所提方法与最新仿生蝗虫启发的碰撞检测模型的性能。结果表明，飞蛾启发的视觉运动模型在碰撞检测成功率达到96.1%方面实现了与之相当的鲁棒性，同时产生更具适应性和优雅的逃避动作。除了展示一种有效的碰撞规避策略外，本工作还凸显了飞蛾启发神经模型在推动昆虫智能集体行为研究方面的潜力。