ST-MNIST——脉冲触觉MNIST神经形态数据集

触觉感知是智能机器人不可或缺的一种模态，因为它使机器人能够灵活地与环境中物理对象交互。电子皮肤的近期进展推动了利用这一重要感知模态的数据驱动机器学习方法的发展。然而，当前用于训练此类算法的数据集局限于标准同步触觉传感器。基于事件的神经形态触觉数据集十分匮乏，主要由于大规模事件驱动触觉传感器的稀缺。拥有此类数据集对于开发和评估处理时空事件数据的新算法至关重要。例如，在常规基于帧的数据集上评估脉冲神经网络被认为并非最优。在此，我们推出新颖的神经形态脉冲触觉MNIST（ST-MNIST）数据集，其包含人类参与者在神经形态触觉传感器阵列上书写所得的手写数字。我们还描述了使用现有人工与脉冲神经网络模型评估ST-MNIST数据集的初步尝试。本文给出的分类准确率可作为未来工作的性能基准。我们预期ST-MNIST数据集将引起神经形态与机器人研究团体的兴趣并为其所用。