Autonomous Driving using Spiking Neural Networks on Dynamic Vision Sensor Data: A Case Study of Traffic Light Change Detection

要約

自律運転は、学界と産業の両方から幅広い注目を集めてきた挑戦的な作業です。
畳み込みニューラルネットワークを使用した現在のソリューションには、大量の計算リソースが必要であり、高電力消費につながります。
スパイクニューラルネットワーク（SNN）は、情報を処理して決定を下すための代替計算モデルを提供します。
この生物学的にもっともらしいモデルには、低潜伏期とエネルギー効率の利点があります。
自律運転にSNNSを使用した最近の作業は、主に単純化されたシミュレーション環境にあるレーンのような単純なタスクに焦点を当てています。
このペーパーでは、Carla Simulatorの写真と現実的な運転シーンに関するSNNSを研究しています。これは、実際の車両でSNNを使用するための重要なステップです。
メソッドの有効性と一般化可能性が調査されます。

要約(オリジナル)

Autonomous driving is a challenging task that has gained broad attention from both academia and industry. Current solutions using convolutional neural networks require large amounts of computational resources, leading to high power consumption. Spiking neural networks (SNNs) provide an alternative computational model to process information and make decisions. This biologically plausible model has the advantage of low latency and energy efficiency. Recent work using SNNs for autonomous driving mostly focused on simple tasks like lane keeping in simplified simulation environments. This paper studies SNNs on photo-realistic driving scenes in the CARLA simulator, which is an important step toward using SNNs on real vehicles. The efficacy and generalizability of the method will be investigated.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google