Synaptic motor adaptation: A three-factor learning rule for adaptive robotic control in spiking neural networks

要約

現実世界の環境で動作する脚式ロボットは、地形の変化や積載量の変化など、予期せぬ状況に迅速に適応する能力を備えていなければなりません。
この論文では、シナプス モーター アダプテーション (SMA) アルゴリズムを紹介します。これは、神経科学から導き出された 3 要素学習によるシナプス可塑性のルールを利用することで、四足ロボットのリアルタイム オンライン適応を達成するための新しいアプローチです。
迅速な適応を促進するために、局所的にアクセス可能なオンボードセンシングデータのみを使用して特権情報によって生成された埋め込みを近似することにより、勾配降下法を介して 3 要素学習ルールをメタ最適化して不確実性に適応します。
私たちのアルゴリズムは、最先端の運動適応アルゴリズムと同様に機能し、ニューロモーフィック ハードウェアを使用した適応ロボット工学の実現に向けた明確な道筋を示します。

要約(オリジナル)

Legged robots operating in real-world environments must possess the ability to rapidly adapt to unexpected conditions, such as changing terrains and varying payloads. This paper introduces the Synaptic Motor Adaptation (SMA) algorithm, a novel approach to achieving real-time online adaptation in quadruped robots through the utilization of neuroscience-derived rules of synaptic plasticity with three-factor learning. To facilitate rapid adaptation, we meta-optimize a three-factor learning rule via gradient descent to adapt to uncertainty by approximating an embedding produced by privileged information using only locally accessible onboard sensing data. Our algorithm performs similarly to state-of-the-art motor adaptation algorithms and presents a clear path toward achieving adaptive robotics with neuromorphic hardware.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google