基于神经形态学的自主无人机飞行视觉和控制
通过仿生学方法,利用视觉流量分歧的微距离航空器降落的演进尖峰神经网络进行控制,展示了控制环路中脉冲神经网络在真实世界中的实际应用,并提供了有关成功解决分歧式着陆问题所需资源的见解。
Mar, 2020
利用神经形态学处理器,通过对事件数据进行卷积脉冲神经网络处理、将神经激活解码为规避动作、并使用动态运动基元调整路径规划,我们开发了一种神经形态学方法来进行具有摄像头的机械手的避障。通过模拟和实际世界实验,我们的神经形态学方法在可靠避免即将发生的碰撞方面表现出色,并且能够适应轨迹调整而对安全和可预测性标准的影响较小,这些结果为引入 SNN 学习、利用神经形态学处理器以及进一步探索神经形态学方法的潜力提供了动力。
Apr, 2024
本文介绍了一种名为 ColibriUAV 的无人机平台,其中集成了基于帧和事件的摄像头接口,以提高感知效率和感知任务的鲁棒性,并实现了低功耗和低延迟,使之非常适合于低延迟自主纳米无人机领域。
May, 2023
神经形态计算有望比传统的冯・诺依曼计算模式在能效上提升数个数量级。其目标是通过学习和模拟大脑功能来开发自适应、容错、低占用、快速、低能耗的智能系统,可以通过在材料、器件、电路、架构和算法等不同抽象层面上进行创新来实现。随着复杂视觉任务的能耗因大型数据集而呈指数增长,并且资源受限的边缘设备变得越来越普遍,基于脉冲的神经形态计算方法可以成为在当前主导视觉领域的深度卷积神经网络的可行替代方案。在本书章节中,我们介绍了神经形态计算,概述了设计堆栈的几个代表性示例(器件、电路和算法),并总结了一些令人兴奋的应用和未来的研究方向,这些方向在近期的计算机视觉中似乎很有前景。
Oct, 2023
本文介绍了使用 SNN 和 DVS 结合的方式来实现基于事件的汽车分类器从而应用于自动驾驶,最终在 Intel Loihi 神经形态硬件上实现,并取得了最高 86% 的识别率和 310 mW 的低功耗。
Jul, 2021
提出了一种新的图表示方法将事件数据与图转换器相结合,用于准确的神经形态分类任务。通过广泛实验表明,该方法在仅有少量事件和有限计算资源的困难真实场景中表现出优异效果,为嵌入移动设备的神经形态应用开辟了道路。
Sep, 2023
研究提出了一种结合时间透镜的新型神经网络架构,利用事件视觉和脉冲神经网络技术,以及基于活动和延迟分析的模型简化方法,提高了光流预测的速度并减少了复杂度,同时保持了高精度特性,为实时部署提供了可能性。
Apr, 2023
本篇论文提出了一种全新的神经形态计算无线物联网系统设计,通过整合基于脉冲的传感、处理和通信,每个感测设备都搭载了神经形态传感器、一个脉冲神经网络和多天线脉冲无线电发射器,传输共享衰落信道到具有多天线脉冲无线电接收器和脉冲神经网络的接收器。该系统在多个信道实现中联合训练了导引、编码神经网络、解码神经网络和超级网络,相较于传统的数字帧处理解决方案和非自适应训练方法,大大提高了精度和能耗的指标。
Jun, 2022
本文提出了一种基于简单卷积层的神经网络架构,结合低成本的动态时间编码水库节点,实现了异步时间特征的高效处理,并通过使用内部动态的自旋电阻器,在非常低的硬件成本下实现了异步时间特征编码。RN-Net 在 DVS128 手势数据集上取得了最高的 99.2% 的准确率,并且在较小的网络规模下,在 DVS Lip 数据集上实现了达到 67.5% 的准确率,且代码将公开发布。
Mar, 2023
机器人技术、具身智能、神经形态计算、机器人学、神经形态人工智能是本文的五个关键词。本文探讨了通过我们的观点实现机器人系统的具身神经形态人工智能的方法,并确立了研究挑战和机会以及对未来研究发展的愿景。
Apr, 2024