SpikingSoft: A Spiking Neuron Controller for Bio-inspired Locomotion with Soft Snake Robots

要約

動物の運動神経と物理的弾力性の動的な結合に触発されたこの作品は、低レベルのスパイキング神経メカニズムによって柔らかいヘビの物理的振動を利用することにより、移動歩行を生成する可能性を探ります。
この目標を達成するために、調整可能なしきい値を備えた二重閾値スパイクニューロンモデルを導入して、さまざまな出力パターンを生成します。
このニューロンモデルは、ソフトロボットヘビの自然なダイナミクスを興奮させる可能性があり、単に神経のしきい値を変更することで、回転や前進などの明確な動きを可能にします。
最後に、私たちのアプローチは、SpikingSoftと呼ばれ、自然に補強学習とペアになり、統合されていることを実証します。
高レベルのエージェントは、複雑な移動パターンを生成するために2つのしきい値を調整するだけで、反応的な移動の学習を強く簡素化する必要があります。
シミュレーション結果は、提案されたアーキテクチャがソフトヘビロボットのパフォーマンスを大幅に向上させ、成功率が21.6％増加し、ターゲットに到達するための時間が29％短縮され、バニラと比較してスムーズな動きでターゲット目標を達成できることを示しています。
トルク空間で作用する補強学習コントローラーまたは中央パターンジェネレーターコントローラー。

要約(オリジナル)

Inspired by the dynamic coupling of moto-neurons and physical elasticity in animals, this work explores the possibility of generating locomotion gaits by utilizing physical oscillations in a soft snake by means of a low-level spiking neural mechanism. To achieve this goal, we introduce the Double Threshold Spiking neuron model with adjustable thresholds to generate varied output patterns. This neuron model can excite the natural dynamics of soft robotic snakes, and it enables distinct movements, such as turning or moving forward, by simply altering the neural thresholds. Finally, we demonstrate that our approach, termed SpikingSoft, naturally pairs and integrates with reinforcement learning. The high-level agent only needs to adjust the two thresholds to generate complex movement patterns, thus strongly simplifying the learning of reactive locomotion. Simulation results demonstrate that the proposed architecture significantly enhances the performance of the soft snake robot, enabling it to achieve target objectives with a 21.6% increase in success rate, a 29% reduction in time to reach the target, and smoother movements compared to the vanilla reinforcement learning controllers or Central Pattern Generator controller acting in torque space.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google