基于输入加权阈值适应的神经形态控制

神经形态处理具有高能量效率和快速响应速率的优势，使其成为实现资源受限机器人自主飞行的理想候选。它对涉及高级视觉感知的复杂神经网络尤为有益。然而，全神经形态解决方案也需应对低级控制任务。值得注意的是，目前即便是复制基本的低级控制器如比例–积分–微分（PID）控制器仍具挑战。具体而言，难以纳入积分和微分部分。为解决此问题，我们提出一种在学习过程中融入比例、积分和微分通路的神经形态控制器。我们的方法包含一种用于积分通路的新型输入阈值适应机制。该输入加权阈值适应（IWTA）为每个突触连接引入额外权重，用于调节突触后神经元的阈值。我们通过采用具有不同时间常数的神经元来处理微分项。我们首先分析所提机制的性能和局限，随后通过将控制器实现于连接开源微型 Crazyflie 四旋翼的微控制器上以替换最内层速率控制器来进行测试。我们在存在扰动下的飞行中证明了该仿生算法的稳定性。当前工作代表了用神经形态算法控制高动态系统的实质性一步，从而推进神经形态处理与机器人学。此外，积分是任何时序任务的重要部分，因此所提出的输入加权阈值适应（IWTA）机制可能影响远超控制任务的广泛领域。