A Rapid Adapting and Continual Learning Spiking Neural Network Path Planning Algorithm for Mobile Robots

要約

環境内の横断コストをマッピングし、このマップに基づいて経路を計画することは、自律ナビゲーションにとって重要です。
我々は、スパイキング ニューラル ネットワーク ウェーブフロント プランナーと E-prop 学習を利用して、大規模で複雑な環境で経路のマッピングと計画を同時に行うニューロボット ナビゲーション システムを紹介します。
当社では、マッピングに新しい方法を組み込んでおり、Spiking Wavefront Planner と組み合わせることで、コストの組み合わせを選択的に考慮することで適応的な計画を立てることができます。
このシステムは、障害物やさまざまな地形がある屋外環境でモバイル ロボット プラットフォーム上でテストされます。
結果は、このシステムが、(1) 車輪によるエネルギー消費、(2) 障害物の存在下で費やした時間、(3) 地形の傾斜という 3 つのコストの尺度を使用して環境の特徴を識別できることを示しています。
わずか 12 時間のオンライン トレーニングで、E-prop は学習し、Spiking Wavefront Planner の遅延を更新することで、トラバース コストをパス計画マップに組み込みます。
シミュレートされたパスでは、Spiking Wavefront Planner は、A* や RRT* よりも大幅に短く、低コストのパスを計画します。
スパイク波面プランナーはニューロモーフィック ハードウェアと互換性があり、低サイズ、重量、および電力を必要とするアプリケーションに使用できます。

要約(オリジナル)

Mapping traversal costs in an environment and planning paths based on this map are important for autonomous navigation. We present a neurobotic navigation system that utilizes a Spiking Neural Network Wavefront Planner and E-prop learning to concurrently map and plan paths in a large and complex environment. We incorporate a novel method for mapping which, when combined with the Spiking Wavefront Planner, allows for adaptive planning by selectively considering any combination of costs. The system is tested on a mobile robot platform in an outdoor environment with obstacles and varying terrain. Results indicate that the system is capable of discerning features in the environment using three measures of cost, (1) energy expenditure by the wheels, (2) time spent in the presence of obstacles, and (3) terrain slope. In just twelve hours of online training, E-prop learns and incorporates traversal costs into the path planning maps by updating the delays in the Spiking Wavefront Planner. On simulated paths, the Spiking Wavefront Planner plans significantly shorter and lower cost paths than A* and RRT*. The spiking wavefront planner is compatible with neuromorphic hardware and could be used for applications requiring low size, weight, and power.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google