SNN4Agents：一个为自主智能体开发高能效具身脉冲神经网络的框架
机器人学
2024-06-19 v2 人工智能
机器学习
神经与进化计算
摘要
近期趋势表明，自主智能体（如自主地面车辆（AGV）、无人机（UAV）和移动机器人）能有效提高人类解决各种任务的生产力。然而，由于这些智能体通常由便携式电池供电，它们需要极低的功耗/能耗才能在长寿命下运行。为了解决这一挑战，类脑计算作为一种有前景的解决方案应运而生，其中受生物启发的脉冲神经网络（SNN）利用来自事件相机或数据转换预处理的脉冲高效地执行稀疏计算。然而，针对自主智能体的 SNN 部署研究仍处于早期阶段。因此，实现自主智能体高效具身 SNN 部署的优化阶段尚未得到系统性定义。为此，我们提出了一个名为 SNN4Agents 的新框架，该框架包含一组针对自主智能体应用设计高能效具身 SNN 的优化技术。我们的 SNN4Agents 采用权重量化、时间步长缩减和注意力窗口缩减，在保持高精度的同时，共同提高能效、减少内存占用并优化处理延迟。在评估中，我们研究了基于事件的汽车识别用例，并探讨了精度、延迟、内存和能耗之间的权衡。实验结果表明，与 NCARS 数据集上最先进的工作相比，我们提出的框架能够保持高精度（即 84.12% 的准确率），同时节省 68.75% 的内存，实现 3.58 倍的加速和 4.03 倍的能效提升。以此方式，我们的 SNN4Agents 框架为自主智能体实现高能效具身 SNN 部署铺平了道路。
引用
@article{arxiv.2404.09331,
title = {SNN4Agents: A Framework for Developing Energy-Efficient Embodied Spiking Neural Networks for Autonomous Agents},
author = {Rachmad Vidya Wicaksana Putra and Alberto Marchisio and Muhammad Shafique},
journal= {arXiv preprint arXiv:2404.09331},
year = {2024}
}
备注
Accepted for publication at Frontiers in Robotics and AI (FROBT) - Section Robot Vision and Artificial Perception