面向水下机器人应用的混合-神经形态方法：概念框架
机器人学
2024-11-22 v1
摘要
本文介绍了在任务导向的水下机器人应用中采用神经形态方法的概念。与传统深度学习算法日益增加的计算需求相比，神经形态技术利用脉冲神经网络架构，能够以显著降低的计算要求和功耗实现高级人工智能，模拟人类大脑的运行原理。尽管神经形态技术在various robotic domains中已有文献记载，但在海洋机器人中的应用仍属未被充分探索的领域。因此，本文提出了一个统一的框架，用于集成神经形态技术，以实现水下车辆的感知、姿态估计和触觉引导的条件控制，此框架可针对特定用户定义的目标进行定制化。本概念框架有望革新水下机器人技术，提高其效率和自主性，同时降低能源消耗。通过增强适应性和鲁棒性，这一技术进展可能促进水下勘探、环境监测和基础设施维护等应用，为 marine science and technology 的显著进步做出贡献。
引用
@article{arxiv.2411.13962,
title = {Hybrid-Neuromorphic Approach for Underwater Robotics Applications: A Conceptual Framework},
author = {Vidya Sudevan and Fakhreddine Zayer and Sajid Javed and Hamad Karki and Giulia De Masi and Jorge Dias},
journal= {arXiv preprint arXiv:2411.13962},
year = {2024}
}