Neuromorphic force-control in an industrial task: validating energy and latency benefits

要約

ロボットがよりスマートになり、よりユビキタスになるにつれて、技術進歩の持続可能性を確保するには、インテリジェント コンピューティングの電力消費を最適化することが不可欠になります。
ニューロモーフィック コンピューティング ハードウェアは、生物学にヒントを得たニューラル アーキテクチャを利用して、従来のフォン ノイマン コンピューティング アーキテクチャと比較してエネルギーと遅延の改善を実現します。
これらの利点をロボットに適用することは、ニューロロボティクスの分野におけるいくつかの研究で、通常は比較的単純な制御タスクで実証されています。
ここでは、オブジェクト挿入という現実世界の産業タスクに適用されるニューロモーフィック コンピューティングの例を紹介します。
私たちは、シミュレーションで強化学習アプローチを使用して、力とトルクのフィードバック制御を実行するためにスパイキング ニューラル ネットワーク (SNN) をトレーニングしました。
次に、KUKA ロボット アームと接続されたインテルの神経形態研究チップ Loihi に SNN を移植しました。
推論時には、現在の CPU/GPU アーキテクチャと同等のレイテンシを示し、従来の低エネルギー エッジ ハードウェアと比較してエネルギー使用量が 2 桁少なくなります。
この例は、現実世界のロボット設定におけるニューロモーフィック コントローラーの概念実証として提供し、ロボット用のインテリジェント コントローラーの開発におけるニューロモーフィック ハードウェアの利点を強調します。

要約(オリジナル)

As robots become smarter and more ubiquitous, optimizing the power consumption of intelligent compute becomes imperative towards ensuring the sustainability of technological advancements. Neuromorphic computing hardware makes use of biologically inspired neural architectures to achieve energy and latency improvements compared to conventional von Neumann computing architecture. Applying these benefits to robots has been demonstrated in several works in the field of neurorobotics, typically on relatively simple control tasks. Here, we introduce an example of neuromorphic computing applied to the real-world industrial task of object insertion. We trained a spiking neural network (SNN) to perform force-torque feedback control using a reinforcement learning approach in simulation. We then ported the SNN to the Intel neuromorphic research chip Loihi interfaced with a KUKA robotic arm. At inference time we show latency competitive with current CPU/GPU architectures, two orders of magnitude less energy usage in comparison to traditional low-energy edge-hardware. We offer this example as a proof of concept implementation of a neuromoprhic controller in real-world robotic setting, highlighting the benefits of neuromorphic hardware for the development of intelligent controllers for robots.

arxiv情報

著者 Camilo Amaya,Evan Eames,Gintautas Palinauskas,Alexander Perzylo,Yulia Sandamirskaya,Axel von Arnim
発行日 2024-03-13 19:36:03+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, Google

カテゴリー: cs.RO パーマリンク