复制自然人类运动是机器人控制理论的长期目标。从生物学中汲取灵感,到达控制网络会产生平稳而精确的运动,可以缩小人类和机器人控制之间的性能差距。模仿大脑的计算原理的神经形态处理器是近似此类控制器的准确性和平滑性的理想平台,同时最大程度地提高了能源效率和鲁棒性。但是,常规控制方法与神经形态硬件的不兼容限制了其现有适应性的计算效率和解释。相比之下,平滑而准确的运动运动的基础神经元连接组有效,最小,并且与神经形态处理器固有兼容。在这项工作中,我们模拟了这些网络,并提出了一个具有生物学现实的尖峰神经网络,以进行运动控制。我们的控制器结合了自适应反馈,以提供平稳而准确的电动机控制,同时继承了其生物学对应物的最小复杂性,该生物学对应物控制到达运动,从而可以在英特尔的神经形态处理器上进行直接部署。我们使用我们的控制器作为构建块,并受到人类武器中联合协调的启发,我们扩大了控制现实世界机器人武器的方法。所得运动的轨迹和平滑,最小的速度曲线类似于人类的动作,从而验证了我们控制者的生物学相关性。值得注意的是,我们的方法实现了最新的控制性能,同时将运动混蛋减少19 \%以提高运动平滑度。我们的工作表明,利用大脑的计算单元及其连通性可能会导致设计有效,有效且可解释的神经形态控制器,从而为完全自主系统中的神经形态溶液铺平了道路。
translated by 谷歌翻译