A compact neuromorphic system for ultra energy-efficient, on-device robot localization

要約

ニューロモーフィック コンピューティングは、ロボットによる位置特定およびナビゲーション システムをエッジに展開する際に直面する計算およびエネルギーの課題を克服するための変革的な経路を提供します。
ナビゲーションの重要なコンポーネントである視覚的な場所認識は、従来のシステムの高いリソース要求によって妨げられることが多く、依然として複雑で長距離のタスクを実行する必要がある小規模ロボットプラットフォームには適していません。
ニューロモーフィックなアプローチは効率性の向上の可能性をもたらしますが、リアルタイムのエッジ展開は、生物現実的なネットワークの複雑さとスケーラビリティの制限によって依然として制約を受けています。
ここでは、44k パラメータを持つ 180 KB という小さなモデルを使用して、従来の方法で必要なエネルギーの 1% 未満を消費しながら、最大 8 km の移動で正確な場所認識を実行するニューロモーフィック位置特定システムを実証します。
当社のニューロモーフィック システム (LENS) による位置エンコーディングは、スパイク ニューラル ネットワーク、イベントベースのダイナミック ビジョン センサー、およびニューロモーフィック プロセッサを単一の SPECK(TM) チップ内に統合し、六脚ロボット上でリアルタイムでエネルギー効率の高い位置特定を可能にします。
LENS は、大規模なオンデバイス展開が可能な初の完全ニューロモーフィック ローカライゼーション システムであり、エネルギー効率の高いロボットによる場所認識の新しいベンチマークを設定します。

要約(オリジナル)

Neuromorphic computing offers a transformative pathway to overcome the computational and energy challenges faced in deploying robotic localization and navigation systems at the edge. Visual place recognition, a critical component for navigation, is often hampered by the high resource demands of conventional systems, making them unsuitable for small-scale robotic platforms which still require to perform complex, long-range tasks. Although neuromorphic approaches offer potential for greater efficiency, real-time edge deployment remains constrained by the complexity and limited scalability of bio-realistic networks. Here, we demonstrate a neuromorphic localization system that performs accurate place recognition in up to 8km of traversal using models as small as 180 KB with 44k parameters, while consuming less than 1% of the energy required by conventional methods. Our Locational Encoding with Neuromorphic Systems (LENS) integrates spiking neural networks, an event-based dynamic vision sensor, and a neuromorphic processor within a single SPECK(TM) chip, enabling real-time, energy-efficient localization on a hexapod robot. LENS represents the first fully neuromorphic localization system capable of large-scale, on-device deployment, setting a new benchmark for energy efficient robotic place recognition.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google