SpikingSoft：用于软体蛇形机器人仿生运动的脉冲神经元控制器
机器人学
2025-02-11 v2 机器学习
摘要
受动物中运动神经元与物理弹性动态耦合的启发，这项工作探索了通过低级脉冲神经机制利用软体蛇的物理振荡来产生运动步态的可能性。为了实现这一目标，我们引入了具有可调阈值的双阈值脉冲神经元模型，以产生多样的输出模式。该神经元模型能够激发软体机器蛇的自然动力学，并且只需改变神经阈值即可实现不同的运动，如转向或前进。最后，我们证明了我们称之为 SpikingSoft 的方法与强化学习自然配对并集成。高级智能体只需调整这两个阈值即可生成复杂的运动模式，从而极大地简化了反应式运动的学习。仿真结果表明，所提出的架构显著提升了软体蛇形机器人的性能，与在扭矩空间中运行的普通强化学习控制器或中枢模式发生器控制器相比，其成功率提高了 21.6%，到达目标的时间减少了 29%，并且运动更加平滑。
引用
@article{arxiv.2501.19072,
title = {SpikingSoft: A Spiking Neuron Controller for Bio-inspired Locomotion with Soft Snake Robots},
author = {Chuhan Zhang and Cong Wang and Wei Pan and Cosimo Della Santina},
journal= {arXiv preprint arXiv:2501.19072},
year = {2025}
}
备注
8th IEEE-RAS International Conference on Soft Robotics