实时神经形态导航：基于事件感知与任务特定可重构自主栈引导物理机器人
机器人学
2025-03-14 v1
摘要
受生物神经系统启发的神经形态视觉近期因其在增强机器人自主性方面的潜力而受到广泛关注。本文提出了一种神经形态导航框架的系统性探索，利用基于事件的神经形态视觉实现机器人系统中的高效实时导航。我们讨论了神经形态视觉与导航的核心概念，强调其对提升机器人感知与决策能力的影响。提出的可重构神经形态导航框架适应地面机器人（Turtlebot）和空中机器人（Bebop2 四旋翼）的特定需求，针对自主导航栈——感知、规划与控制——中的任务特定设计要求（算法）进行优化以实现最佳性能。我们通过两个案例研究展示了该框架的多功能性和有效性：Turtlebot 执行实时导航的局部重规划，以及 Bebop2 四旋翼穿越移动门。我们的工作为利用神经形态系统实现任务特定、实时机器人自主性提供了一种可扩展的方法，为节能自主导航铺平了道路。
引用
@article{arxiv.2503.09636,
title = {Real-Time Neuromorphic Navigation: Guiding Physical Robots with Event-Based Sensing and Task-Specific Reconfigurable Autonomy Stack},
author = {Sourav Sanyal and Amogh Joshi and Adarsh Kosta and Kaushik Roy},
journal= {arXiv preprint arXiv:2503.09636},
year = {2025}
}