文献

J-GLOBAL ID：202202273652756596   整理番号：22A0482018

神経ロボティクスにおける逆運動学のためのデータ駆動型人工およびスパイキングニューラルネットワーク【JST・京大機械翻訳】

Data-driven artificial and spiking neural networks for inverse kinematics in neurorobotics

著者 (6件)： Volinski Alex (Neuro-Biomorphic Engineering Lab, The Open University of Israel, Ra’anana, Israel) ,  Zaidel Yuval (Neuro-Biomorphic Engineering Lab, The Open University of Israel, Ra’anana, Israel) ,  Shalumov Albert (Neuro-Biomorphic Engineering Lab, The Open University of Israel, Ra’anana, Israel) ,  DeWolf Travis (Applied Brain Research, Waterloo, Canada) ,  Supic Lazar (Accenture Labs, San Francisco, USA) ,  Ezra Tsur Elishai (Neuro-Biomorphic Engineering Lab, The Open University of Israel, Ra’anana, Israel)
資料名： Patterns  (Patterns)
巻： 3  号： 1  ページ： Null  発行年： 2022年 
JST資料番号： W6439A  ISSN： 2666-3899  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 逆運動学は計算運動計画の基本である。タスク空間における目標位置を与えるロボット構成空間で適切な状態を導出するのに用いた。本研究では,従来および幾何学的に制約された逆運動学に対する,完全接続および残留人工ニューラルネットワークならびに再帰,学習ベース,およびディープスパイキングニューラルネットワークの性能を研究した。数十から数百のパラメータを持つ高度にパラメータ化したデータ駆動ニューラルネットワークは,サブms推論時間とサブmm精度を示す一方,学習ベーススパイキングアーキテクチャは,ほんの数千のニューロンで,合理的に良好な結果を提供できることを示した。さらに,スパイキングニューラルネットワークは,エネルギー保存スパイキング速度に構成された場合でも,幾何学的に制約されたタスク空間で良好に機能でき,それらのロバスト性を実証した。ニューラルネットワークをNVIDIAのXavierとIntelの神経形態学的Loihiチップで評価した。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 学習 ,  冗長性 ,  ロボット ,  ニューロン ,  *ニューラルネットワーク ,  ロボットアーム ,  ロバスト性 ,  パラメタリゼーション
準シソーラス用語： *ロボット工学 ,  運動計画 ,  *逆運動学 ,  *データ駆動 ,  *スパイキングニューラルネットワーク ,  目標位置 ,  神経形態学 , 【Automatic Indexing@JST】

著者キーワード (10件)： スパイキングニューラルネットワーク ,  神経工学フレームワーク ,  ロボットアーム ,  オンライン学習 ,  劣決定システム ,  冗長性の解決 ,  人工ニューラルネットワーク ,  神経形態工学 ,  Intel Loihi ,  NVIDIA Xavier

分類 (2件)： ニューロコンピュータ  (JC06010Q) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (6件)： 神経 ,  ロボティクス ,  逆運動学 ,  データ駆動 ,  人工 ,  スパイキングニューラルネットワーク