arXiv:2404.03325v2 [cs.RO] 2024 年 9 月 12 日__

arXiv:2404.03325v2 [cs.RO] 2024 年 9 月 12 日

可下载资源数量

已经购买

下载数量：1

单价	0 1.0
Coupon	100% 0%
Total	0 1.0

点击下载点击购买并下载

点击购买，资源将自动在新窗口打开.

机构名称：

arXiv:2404.03325v2 [cs.RO] 2024 年 9 月 12 日

¥ 1.0

热度

摘要 — 机器人技术一直是提高人类生产力不可或缺的一部分，因为它们一直在帮助人类以快速、准确和高效的方式完成各种复杂且密集的任务。因此，机器人技术已被部署到从个人到工业用例的广泛应用中。然而，当前的机器人技术及其计算范式仍然缺乏具身智能，无法有效地与操作环境交互、以正确/预期的动作做出反应并适应环境的变化。为此，使用脉冲神经网络 (SNN) 的神经形态计算的最新进展已经证明了通过模仿生物大脑工作方式的生物可信计算范式（称为“神经形态人工智能 (AI)”）实现机器人具身智能的潜力。然而，基于神经形态人工智能的机器人领域仍处于早期阶段，因此其开发和部署用于解决现实问题在准确性、适应性、效率、可靠性和安全性等不同设计方面面临新的挑战。为了应对这些挑战，本文将讨论如何从以下几个角度为机器人系统实现具身神经形态人工智能：（P1）基于有效学习规则、训练机制和适应性的具身智能；（P2）节能神经形态计算的跨层优化；（P3）具有代表性和公平性的基准；（P4）低成本可靠性和安全性增强；（P5）神经形态计算的安全性和隐私性；（P6）节能和稳健的神经形态机器人的协同发展。此外，本文还确定了研究挑战和机遇，并阐述了我们对未来机器人具身神经形态人工智能研究发展的愿景。

添加pdf代下载 VIP点击下载文件