ニューロモルフィック/ナビゲーション2026/10/15arXiv:2610.21978

生物に学ぶ視覚ナビゲーション：MAVのためのニューロモルフィック航法パラダイム

Towards bio-inspired visual navigation: a neuromorphic navigation paradigm for MAVs

イベントカメラとスパイキングニューラルネットワーク、ニューロモルフィックプロセッサを統合し、複雑環境で飛ぶ小型ドローンの低消費電力な視覚ナビゲーションを実現した。

詳しい要約

1. どんなもの？

- 生物の視覚ナビゲーションに着想を得た、MAV（Micro Aerial Vehicle）向けのイベント駆動型ニューロモーフィック視覚ナビゲーションのパラダイムを提案。 - ニューロモーフィックビジョン、スパイキングニューラルネットワーク（SNN）、ニューロモーフィックプロセッサを統合した初のエンドツーエンドシステム。 - 複雑環境でのMAVの視覚ナビゲーションを対象とし、シミュレーションと実世界展開の両方を実証。

2. 先行研究と比べてどこがすごい？

- 従来のフレームベースのロボティクスシステムは人工ニューラルネットワーク（ANN）に依存し、消費電力とロバスト性の両面で制限があった。 - 先行のニューロモーフィックシステムは比較的単純なナビゲーションサブタスクに焦点を当てていたが、本研究は完全なニューロモーフィック視覚ナビゲーションシステムをシミュレーションから実世界展開まで実証。 - ANNベースの手法と比較して、ナビゲーション性能は同等でありながら、消費電力を大幅に削減。

3. 技術・手法の肝は？

- イベントストリームからスパイキング知覚表現モジュールを用いて環境表現を抽出。 - その表現をスパイキングナビゲーションモジュールに入力し、ガイダンス学習とポピュレーションコーディングにより、少ないタイムステップで効率的なポリシー学習を実現。 - ナビゲーションモジュールはウェイポイントを出力し、それを実行可能な軌道点に変換。

4. どうやって有効だと検証した？

- 実験により、提案するニューロモーフィック手法がANNベースの手法と同等のナビゲーション性能を達成しつつ、消費電力を大幅に削減することを示した。 - スパイキング知覚モジュールはANN counterpartの19.57%の消費電力、Intel Loihi上に展開したスパイキングナビゲーションモジュールはNVIDIA Orin NX上で動作するANN counterpartの12.37%の消費電力であることを確認。 - シミュレーションと実世界展開の両方で完全なシステムを実証。

5. 議論はある？

- ニューロモーフィックパラダイムが自律ナビゲーションに実現可能であることを確立し、ロバストで低消費電力のMAVナビゲーションへの生物に着想を得た道筋を提供。 - 具体的な議論や限界については要旨からは不明。

6. 次に読むべき論文は？

- 要旨で参照/比較されている研究：ANNベースの手法、先行のニューロモーフィックシステム（比較的単純なナビゲーションサブタスクに焦点）。 - 関連手法：スパイキングニューラルネットワーク（SNN）、ニューロモーフィックビジョン、Intel Loihi、NVIDIA Orin NX。 - 同分野の定番：イベントベース視覚ナビゲーション、生物に着想を得たナビゲーション。

※ AIが要旨から生成した要約です。正確性は原文をご確認ください。

著者: Junjie Jiang, Ankang Zhou, Zheng Fang

分類: cs.RO

原文アブストラクト

Biological visual navigation achieves remarkable robustness at extremely low power, whereas frame-based robotic systems relying on artificial neural networks remain limited in both respects, particularly for energy-constrained micro aerial vehicles (MAVs) operating in complex environments. Inspired by the event-driven, sparse, and asynchronous principles of biological visual systems, neuromorphic sensing and computation provide a promising alternative for robust and energy-efficient navigation. In this paper, we propose the first end-to-end event-driven neuromorphic paradigm for MAV visual navigation in complex environments by integrating neuromorphic vision, spiking neural networks, and neuromorphic processors. The proposed method first extracts the environmental representation from event streams using a spiking perceptual representation module. This representation is fed into a spiking navigation module, where guidance learning and population coding enable efficient policy learning with few time steps. The navigation module then outputs a waypoint converted into executable trajectory points. Experiments show that the proposed neuromorphic method achieves navigation performance comparable to ANN-based methods while markedly reducing power consumption. The spiking perceptual module consumes only 19.57% of the power of its ANN counterpart, while the spiking navigation module deployed on Intel Loihi consumes only 12.37% of that required by its ANN counterpart running on NVIDIA Orin NX. Beyond prior neuromorphic systems focused mainly on relatively simple navigation subtasks, we demonstrate a complete neuromorphic visual navigation system spanning simulation and real-world deployment. Our results establish the feasibility of the neuromorphic paradigm for autonomous navigation and provide a bio-inspired pathway toward robust and low-power MAV navigation.

arXivで原文を読む →arXiv概要ページ

← 論文一覧