实时神经形态导航：将事件型视觉与物理驱动规划集成于 Parrot Bebop2 四旋翼机
机器人学
2024-07-02 v1
摘要
在自主航空导航中，实时且高效的障碍物规避始终是挑战，尤其是在动态和复杂的室内环境中。本文提出一种新颖的集成方案，将神经形态事件相机与在 Parrot Bebop2 四旋翼机上实现的物理驱动规划算法结合。神经形态事件相机具有高动态范围和低延迟优势，尤其在恶劣照明条件或高速机动期间显著优于传统帧基系统。我们使用 DVS 相机配合浅层脉冲神经网络 (SNN) 实现室内实验中移动环的事件型目标检测。进一步，我们通过在神经网络训练机制中引入物理导引的经验知识来增强无人机控制，以预测能效的飞行路径穿过移动环。该集成方案实现了能够动态响应环境变化且最小化能耗消耗的实时、低延迟导航系统。我们详细描述硬件配置、控制回路以及为实现实际应用所必需的修改，包括在不影响飞行能力的前提下的传感器集成挑战。实验结果表明，我们的方法在实现稳健、无碰撞且高效的飞行路径方面有效，展示了神经形态视觉和物理驱动规划在提升自主导航系统中的潜力。
引用
@article{arxiv.2407.00931,
title = {Real-Time Neuromorphic Navigation: Integrating Event-Based Vision and Physics-Driven Planning on a Parrot Bebop2 Quadrotor},
author = {Amogh Joshi and Sourav Sanyal and Kaushik Roy},
journal= {arXiv preprint arXiv:2407.00931},
year = {2024}
}