激发功能驱动的神经电路,具有可扩展的记忆神经元,用于机器人避开障碍物
Yue Yang1,2, Fangduo Zhu1, Xumeng Zhang3
1State Key Laboratory of Integrated Chips and Systems, Frontier Institute of Chip and System, Fudan University, Shanghai, 200433, China.
Nature communications
|May 21, 2024
概括
研究人员使用模仿板球避开行为的记忆神经元创建了一个灵感来自大脑的神经电路. 这种尖的功能驱动系统使机器人能够有效地控制传感动力,实现比传统方法更低的延迟.
科学领域:
- 神经科学和人工智能 人工智能
- 神经形态工程的神经形态工程
背景情况:
- 生物神经回路具有多样化的发射模式是智能和下一代AI的关键.
- 在硬件中实现启动功能驱动的功能神经电路仍然是一个重大挑战.
研究的目的:
- 为了构建一个激增特征驱动的感觉运动控制神经电路.
- 模拟生物神经电路原理,以实现高效的神经形态计算.
主要方法:
- 开发了一个带有三个记忆性霍奇金-哈克斯利神经元的电路,灵感来自避免板球.
- 上升神经元使用混合的强度尖和爆发特征编码感官输入.
- 使用两个下降神经元实施了选择性通信方案来解码发射特征.
主要成果:
- 成功地将神经电路与机器人集成,用于避免控制.
- 与传统平台相比,在机器人控制中实现了较低的延迟.
- 证明了解码混合神经元发射特征的可行性.
结论:
- 提供了类似于大脑的系统的基础,这些系统由使用记忆神经元的功能驱动.
- 推动了高阶智能机器和神经形态芯片的发展.
