使用事件摄像头进行神经形态序列学习,通过植被路线进行过程.
Le Zhu1, Michael Mangan2, Barbara Webb1
1School of Informatics, University of Edinburgh, EH8 9AB Edinburgh, UK.
Science robotics
|September 27, 2023
概括
这项研究介绍了一种生物灵感的神经算法用于机器人导航. 该系统使用事件摄像头和尖端神经网络进行实时视觉路线识别,比现有方法更强大.
科学领域:
- 机器人技术 机器人技术 机器人技术
- 神经科学是一个神经科学.
- 计算机视觉 计算机视觉
背景情况:
- 机器人应用需要高效的车载导航解决方案.
- 昆虫导航策略为复杂的环境提供了生物灵感模型.
- 在农业环境中,视觉导航面临着诸如密集的植被和可变的照明等挑战.
研究的目的:
- 为机器人开发一种低功耗,高效的机载导航系统.
- 创建一个生物灵感的神经算法,用于强大的视觉路线识别.
- 评估系统的性能与SeqSLAM等现有方法相比.
主要方法:
- 在地面机器人上使用生物灵感事件摄像头在自然环境中收集数据.
- 应用了基于昆虫神经回路的时空记忆的神经算法.
- 在神经形态计算机上使用尖端神经网络实现了该模型.
主要成果:
- 生物启发方法证明了可信的支持视觉导航中的路线识别.
- 与SeqSLAM相比,该系统在重复运行和小侧偏移的路线上显示出更高的稳定性.
- 从事件摄像头录像中实现了实时视觉熟悉度评估.
结论:
- 开发的神经算法为机器人视觉导航提供了强大而高效的解决方案.
- 生物灵感的方法,特别是那些利用昆虫神经系统的方法,对先进的机器人有很大的希望.
- 神经形态计算与事件摄像头相结合,可以实现实时,低功耗的导航功能.


