不变神经形态触觉刺激表征提升真实时间纹理分类系统鲁棒性
机器人学
2025-04-11 v1 信号处理
摘要
人类拥有惊人的触觉感知能力，机器人和矢形物体系统旨在复制这一感知。我们开发了算法来创建针对触觉纹理的神经元样(神经形态)脉冲表征，这些表征对感知过程中施加的扫描速度和接触力不变。脉冲表征基于模拟人类皮肤机械受体的活性，并进一步处理至大脑。神经形态编码过程将模拟传感器读取转换为速度和力不变的脉冲表征，在三个连续阶段中进行：力不变性模块(在模拟域中)，脉冲活性编码模块(将从模拟到脉冲的转换)，以及速度不变性模块(在脉冲域中)。该算法在15种速度-力条件下测试的触觉纹理数据集上。基于不变表征构建的离线纹理分类系统具有更高的分类准确率， improved计算效率，以及 increased识别在新颖速度-力条件下探索的纹理的能力。速度不变性算法被适配到真实时间的人工操作纹理分类系统中。同样， 不变表征提高了分类准确率、计算效率以及识别在新颖条件下探索的纹理的能力。在此背景下，由于人类不准确性似乎被视为分类系统的新颖条件，这一不变表征尤为重要。这些结果表明，不变神经形态表征使得更好的神经形态触觉感知系统得以实现。此外，由于神经形态表征基于生物学处理，这一工作可用于未来作为上肢截肢患者的自然化感觉反馈的基础。
引用
@article{arxiv.2411.17060,
title = {Invariant neuromorphic representations of tactile stimuli improve robustness of a real-time texture classification system},
author = {Mark M. Iskarous and Zan Chaudhry and Fangjie Li and Samuel Bello and Sriramana Sankar and Ariel Slepyan and Natasha Chugh and Christopher L. Hunt and Rebecca J. Greene and Nitish V. Thakor},
journal= {arXiv preprint arXiv:2411.17060},
year = {2025}
}
备注
34 pages, 9 figures, 1 table