基于脉冲小脑模型在人形机器人 iCub 上的前庭眼反射适应
神经元与认知
2020-04-01 v2 神经与进化计算
机器人学
系统与控制
系统与控制
摘要
我们将一个脉冲小脑模型嵌入到自适应实时(RT)控制回路中，该回路能够在执行不同前庭眼反射(VOR)任务时操作真实的机器人身体(iCub)。脉冲神经网络计算，包括事件驱动和时间驱动的神经动力学、神经活动以及脉冲时序依赖可塑性(STDP)机制，由于小脑模拟过程中遇到的神经活动爆发而导致非确定性计算时间。这种非确定性计算时间促使我们集成一个 RT 监督模块，该模块能够确保协调良好的神经计算时间与机器人操作。实际上，我们的神经机器人实验装置(VOR)利用了小脑与身体之间的生物感觉运动延迟来缓冲计算过载，并为调整神经计算时间与 RT 操作提供灵活性。RT 监督模块提供增量对策，通过暂停模拟或禁用某些神经计算特征(即 STDP 机制、脉冲传播和神经更新)来动态减慢或加快小脑模拟，以应对真实机器人操作所施加的 RT 约束。该神经机器人实验装置应用于神经科学界广泛使用的不同水平和垂直 VOR 适应任务，以解决小脑功能问题。我们旨在阐明小脑神经基质与分布式可塑性的结合如何塑造小脑神经活动以介导运动适应。本文阐明了需要两阶段学习过程以促进 VOR 习得。
引用
@article{arxiv.2003.01409,
title = {VOR Adaptation on a Humanoid iCub Robot Using a Spiking Cerebellar Model},
author = {Francisco Naveros and Niceto R. Luque and Eduardo Ros and Angelo Arleo},
journal= {arXiv preprint arXiv:2003.01409},
year = {2020}
}