Apr, 2024

机器人操纵中的避障神经形态学方法

PDF
TL;DR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。
neuromorphic computingevent-based visionspiking neural networksobstacle avoidanceneuromorphic processors
发现论文，激发创造
  • 基于神经形态学的自主无人机飞行视觉和控制

    通过第一次完全使用神经形态学视觉控制系统来自由控制飞行的实验，研究使用事件处理相机数据和脉冲神经网络实现无人驾驶和智能飞行机器人等基础任务的关键技术。

    Mar, 2023

  • 共振网络的神经形态视觉里程计

    本文提出一种利用神经学中向量符号体系（VSA）的计算范式构建的适用于神经形态计算的视觉里程计（VO）算法。该 VO 网络不仅可以生成并存储所呈现视觉环境的工作内存，同时在估计摄像机的位置和方向变化的同时更新这个工作内存。该文实验验证了该方法在机器人的简单任务和基于事件的数据集上关于 SLAM 任务的高性能表现。

    Sep, 2022

  • CarSNN：一种基于 Loihi 神经形态研究处理器的事件驱动自主车辆的高效脉冲神经网络

    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

  • 机器人的具身神经形态人工智能：观点、挑战与研究发展框架

    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

  • EvSegSNN: 事件数据的神经形态语义分割

    通过将脉冲神经网络与事件摄像头相结合，我们设计了一种生物可行的编码器 - 解码器 U 型架构的语义分割方法，旨在在性能与资源使用之间进行权衡。实验证明 EvSegSNN 在 MIoU 方面优于最接近的最新模型，同时参数数量减少了 1.6 倍，省去了批归一化阶段。

    Jun, 2024

  • 神经形态学方法在图像处理与机器视觉中的应用

    本文研究神经形态工程的应用，探讨图像处理中的视觉任务、异性扩散和神经形态视觉传感器的角色；介绍 memristors 在执行图像分割和实现人工视觉系统中的应用，讨论硬件加速器的使用，和异步信号传输协议，同时探讨计算机视觉进展可能直接受益于非易失性记忆器技术的案例。

    Aug, 2022

  • 神经形态学人脸分析：综述

    神经形态传感器是一类模仿生物视觉系统功能的成像设备，通过连续产生代表视野中光强或动态变化的事件，具有高时间分辨率和低延迟，对人脸建模具有重要意义和隐私保护视角。本文综述神经形态人脸分析领域的能力、挑战和新兴应用，勾勒出有前途的研究方向和待解决问题。

    Feb, 2024

  • 使用神经形态自适应控制算法进行机械臂的时间域学习

    通过使用基于脉冲神经网络的自适应控制算法，本文探讨了机器人手臂学习其可到达位置（包括干扰）的能力，演示了这种自适应控制算法使得机器人手臂可以在新的动态环境下学习并更快地完成任务，同时保持了能源效率。

    Oct, 2022

  • 利用神经形态计算进行高能物理实验的传感器数据过滤

    本文研究了基于神经形态计算的尖峰神经网络（SNN）模型，用于过滤在高能物理实验中使用的传感器电子学数据。我们提出了一种开发紧凑型神经形态模型的方法，该模型根据粒子的横向动量过滤传感器数据，以减少发送到下游电子设备的数据量。传入的电荷波形被转换为二进制事件流，并由 SNN 进行处理。我们提供了关于各种系统设计选择的见解 —— 从数据编码到训练算法的最佳超参数，为了获得一个精确而紧凑的用于硬件部署的 SNN。我们的结果表明，使用进化算法和优化的超参数训练的 SNN 获得了约 91% 的信号效率，并且参数数量几乎是深度神经网络的一半。

    Jul, 2023

  • 通过势辅助的脉冲神经网络实现基于事件的视频重建

    本文提出了一种基于全脉冲神经网络 (SNN) 架构的事件相关视频重建框架 (EVSNN)，并采用 Leaky-Integrate-and-Fire (LIF) 神经元和自适应膜电位中间电位助推框架 (PA-EVSNN)，通过对事件相关图像信息的处理， 实现与基于人工神经网络（ANN）的模型相当的性能，而且在事件驱动硬件上具有更高的计算效率。

    Jan, 2022