Fully Spiking Neural Network for Legged Robots

要約

近年、深層強化学習に基づく脚式ロボットの進歩は目覚ましい。
四足ロボットは、複雑な環境で困難なタスクを完了する能力を実証しており、人間を支援するために現実世界のシナリオに導入されています。
同時に、二足歩行ロボットや人型ロボットは、要求の厳しいさまざまなタスクにおいて画期的な進歩を遂げました。
現在の強化学習手法では、さまざまなロボットの本体と履歴情報を利用してアクションを実行できます。
しかし、これまでの研究では、ネットワーク推論の速度とエネルギー消費、さらにはニューラル ネットワーク自体の生物学的重要性が強調されていませんでした。
使用されているネットワークのほとんどは、多層パーセプトロン (MLP) を利用する従来の人工ニューラル ネットワークです。
この論文では、新しいスパイキング ニューラル ネットワーク (SNN) を脚式ロボットの処理に適用することに成功し、シミュレートされたさまざまな地形にわたって優れた結果を達成しました。
SNN は、推論速度とエネルギー消費の点で従来のニューラル ネットワークに比べて当然の利点を持っており、身体認識信号のパルス形式の処理により、生物学的解釈可能性が向上します。
私たちの知る限り、これは脚式ロボットに SNN を実装した最初の研究です。

要約(オリジナル)

In recent years, legged robots based on deep reinforcement learning have made remarkable progress. Quadruped robots have demonstrated the ability to complete challenging tasks in complex environments and have been deployed in real-world scenarios to assist humans. Simultaneously, bipedal and humanoid robots have achieved breakthroughs in various demanding tasks. Current reinforcement learning methods can utilize diverse robot bodies and historical information to perform actions. However, prior research has not emphasized the speed and energy consumption of network inference, as well as the biological significance of the neural networks themselves. Most of the networks employed are traditional artificial neural networks that utilize multilayer perceptrons (MLP). In this paper, we successfully apply a novel Spiking Neural Network (SNN) to process legged robots, achieving outstanding results across a range of simulated terrains. SNN holds a natural advantage over traditional neural networks in terms of inference speed and energy consumption, and their pulse-form processing of body perception signals offers improved biological interpretability. To the best of our knowledge, this is the first work to implement SNN in legged robots.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google