基于脑类线性-角速度估计的神经网络框架——NeuroVE
机器人学
2024-08-29 v1
摘要
基于视觉的自我速度估计是机器人状态估计中的基本问题。然而，基于帧的摄像机的限制，包括运动模糊和在动态环境中的帧率不足，常常导致传统速度估计技术失效。哺乳动物在激烈运动时能够准确估计自我速度，这一能力的引入显示着巨大的潜力。本文提出一种脑类框架用于线性-角速度估计，称为 NeuroVE。NeuroVE 框架采用事件相机捕获运动信息，并使用脑冲神经网络（SNN）模拟大脑空间细胞的功能进行速度估计。我们将速度估计建模为时间序列预测问题。为此，我们设计了一种 Astrocyte Leaky Integrate-and-Fire（ALIF）神经元模型用于编码连续值。此外，我们开发了一种 Astrocyte Spiking Long Short-term Memory（ASLSTM）结构，显著提升了时间序列预测能力，从而实现对自我速度的精确估计。仿真和实际实验结果表明，NeuroVE 在其他基于 SNN 的方法中实现了约 60% 的精度提升。
引用
@article{arxiv.2408.15663,
title = {NeuroVE: Brain-inspired Linear-Angular Velocity Estimation with Spiking Neural Networks},
author = {Xiao Li and Xieyuanli Chen and Ruibin Guo and Yujie Wu and Zongtan Zhou and Fangwen Yu and Huimin Lu},
journal= {arXiv preprint arXiv:2408.15663},
year = {2024}
}