基于 Loihi 处理器的 MAV 光流着陆神经形态控制
机器人学
2021-12-01 v1 人工智能
神经与进化计算
摘要
Loihi 等神经形态处理器为常规计算模块提供了有前景的替代方案，可赋予微空飞行器（MAVs）等受限系统以稳健、高效且自主的技能，如起飞与着陆、避障及追踪。然而，此类处理器在机器人平台上应用的一大挑战是仿真与现实间的现实鸿沟。本研究首次展示了 Loihi 神经形态芯片原型在飞行机器人中的完全嵌入式应用。我们演化了一个脉冲神经网络（SNN）以基于腹侧光流场的散度计算推力指令，从而实现自主着陆。演化在基于 Python 的仿真器中使用 PySNN 库完成。所得网络架构仅含分布于 3 层的 35 个神经元。仿真与 Loihi 间的定量分析显示，推力设定值的均方根误差低至 0.005 g，隐层脉冲序列匹配度达 99.8%，输出层达 99.7%。所提方法成功跨越现实鸿沟，为未来机器人中的神经形态应用提供了重要见解。补充材料见 https://mavlab.tudelft.nl/loihi/。
引用
@article{arxiv.2011.00534,
title = {Neuromorphic control for optic-flow-based landings of MAVs using the Loihi processor},
author = {Julien Dupeyroux and Jesse Hagenaars and Federico Paredes-Vallés and Guido de Croon},
journal= {arXiv preprint arXiv:2011.00534},
year = {2021}
}