基于人类感知的软型人类化手臂系统用于神经形态物体与姿态识别
机器人学
2025-09-03 v1
摘要
人类感觉系统整合多模态感觉反馈，包括触觉、关节感受和热信号，以实现对环境的全面感知和有效交互。受生物机制启发，我们构建了一个感知化软型人类化手臂，配备多样化传感器以模拟人类手臂的感觉模式。该系统采用生物学启发的编码方案，将多模态感觉数据转换为放电脉冲，从而通过脉冲神经网络（SNN）实现高度效处理。利用这些神经形态信号，该框架在多姿态下的物体识别准确率达97.14%，显著优于先前研究中软型手臂的结果。此外，我们引入了一种新型可区分神经元模型，以增强材料分类，通过捕捉动态热响应。我们的结果表明，多模态感觉融合的优势，以及神经形态方法在实现机器人系统高效、稳健和类人感知方面的潜力。
引用
@article{arxiv.2509.02275,
title = {Human-Inspired Soft Anthropomorphic Hand System for Neuromorphic Object and Pose Recognition Using Multimodal Signals},
author = {Fengyi Wang and Xiangyu Fu and Nitish Thakor and Gordon Cheng},
journal= {arXiv preprint arXiv:2509.02275},
year = {2025}
}