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

要約

神経型コンピューティングは、エッジでロボットのローカリゼーションとナビゲーションシステムを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Visual Place認識は、従来のシステムの高いリソースの需要によって妨げられることがよくあり、正確な長期耐久性のローカリゼーションを必要とする小規模なロボットプラットフォームには適していません。
神経形態のアプローチは効率を高める可能性を提供しますが、リアルタイムのエッジ展開はバイオリアリスティックネットワークの複雑さによって制約されたままです。
この課題を克服するために、この特殊なコンピューティングパラダイムを使用するには、ハードウェアとアルゴリズムの融合が重要です。
ここでは、従来の方法で必要なエネルギーの8％未満を消費しながら、44,000キロバイトの180キロバイトを使用して最大8キロメートルのトラバーサルで競争力のある場所認識を実行する神経形成局在システムを実証します。
神経型システム（レンズ）を使用した場所エンコードは、スパイクニューラルネットワーク、イベントベースの動的ビジョンセンサー、および単一のSynsense Speckチップ内の神経形成プロセッサを統合し、ヘキサポッドロボットのリアルタイムでエネルギー効率の高い局所化を可能にします。
ベンチマークの場所認識方法（Sum-of-Solute-Differences（SAD）と比較すると、レンズは全体的な精度で同等に機能します。
レンズは、エネルギー効率の高いロボット場所認識のために、大規模でデバイス上の展開が可能な正確な完全な神経型局在システムを表します。
Neuromorphic Computingにより、リソースに制約のあるロボットは、エネルギー効率の良い正確なローカリゼーションを実行できます。

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 accurate long-endurance localization. Although neuromorphic approaches offer potential for greater efficiency, real-time edge deployment remains constrained by the complexity of bio-realistic networks. In order to overcome this challenge, fusion of hardware and algorithms is critical to employ this specialized computing paradigm. Here, we demonstrate a neuromorphic localization system that performs competitive place recognition in up to 8 kilometers of traversal using models as small as 180 kilobytes with 44,000 parameters, while consuming less than 8% 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 SynSense Speck chip, enabling real-time, energy-efficient localization on a hexapod robot. When compared to a benchmark place recognition method, Sum-of-Absolute-Differences (SAD), LENS performs comparably in overall precision. LENS represents an accurate fully neuromorphic localization system capable of large-scale, on-device deployment for energy efficient robotic place recognition. Neuromorphic computing enables resource-constrained robots to perform energy efficient, accurate localization.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google