基于空间认知机制的生物灵感导航的记忆尖端神经网络电路
IEEE transactions on biomedical circuits and systems
|October 15, 2024
概括
这项研究介绍了一种生物启发的记忆尖端神经网络 (SNN),用于目标导航. 神经形态电路在低功耗场景中显著降低了机器人导航的能源消耗.
科学领域:
- 神经形态工程的神经形态工程
- 计算神经科学是一种神经科学.
- 机器人技术 机器人技术 机器人技术
背景情况:
- 认知导航对于生存至关重要,使自主探索成为可能.
- 当前的生物启发导航往往缺乏神经形态实现.
- 高效,低功耗的导航解决方案对于自动驾驶系统至关重要.
研究的目的:
- 为以目标为导航提出一个生物灵感的记忆性尖端神经网络 (SNN) 电路.
- 在神经形态系统中使用基于奖励的学习来实现在线决策.
- 展示一个实用,节能的解决方案,用于机器人导航.
主要方法:
- 开发了一个具有位置单元,动作单元和基于奖励的学习模块的记忆性SNN电路.
- 使用Poisson spiking实现实时空间编码.
- 量化了SNN并将其部署在一个具有记忆性的硬件平台上.
主要成果:
- 实现了以目标为导向的导航,并具有在线决策能力.
- 证明有效的基于奖励的学习适应延迟和稀疏的奖励.
- 与数字系统相比,在前计算过程中报告了大约21倍的能源消耗减少.
结论:
- 拟议的生物灵感的记忆性SNN为机器人导航提供了一个可行的神经形态解决方案.
- 这种方法在低功耗导航应用中显著提高了能源效率.
- 这项工作为先进的自主系统提供了实际实施.
