摘要：一个研究团队从昆虫和动物的大脑中汲取了灵感，以进行更节能的机器人导航。...

QUT研究团队从昆虫和动物的大脑中汲取灵感，以进行更节能的机器人导航。

由博士后研究员Somayeh Hussaini领导，QUT Robotics中心的Michael Milford教授和Tobias Fischer博士，该研究发表在《期刊》上IEEE关于机器人技术的交易并在芯片制造商英特尔（Intel）的支持下，建议使用尖峰神经网络（SNN）一种新颖的地方识别算法。

侯赛因说：“ SNN是人工神经网络，模仿生物学大脑如何使用简短的离散信号处理信息，就像动物大脑中的神经元如何交流一样。”

“这些网络特别适合神经形态硬件 - 模仿生物神经系统的专门计算机硬件 - 可以更快地处理并大大减少能耗。”

尽管机器人技术近年来已经取得了迅速的进步，但现代机器人仍在努力在复杂的，未知的环境中进行导航和操作。他们还经常依靠AI衍生的导航系统，其训练制度具有巨大的计算和能源需求。

菲舍尔博士说：“动物非常擅长于以惊人的效率和稳健性来导航大型动态环境。”

“这项工作是朝着生物学启发的导航系统迈出的一步，这些导航系统有一天可能与当今的传统方法竞争甚至超过当今的传统方法。”

QUT团队开发的系统使用小型神经网络模块来识别图像中的特定位置。这些模块被合并为一个集合，一组多个尖峰网络，以创建一个可扩展的导航系统，能够学习在大环境中导航。

米尔福德教授说：“使用图像序列而不是单个图像，可以提高41％的识别准确性，从而使系统能够随着时间的推移以及在不同的季节和天气条件而适应外观的变化。”

该系统在一个受资源约束的机器人上成功证明，提供了一种概念证明，即在能源效率至关重要的现实情况下，该方法是实用的。

Hussaini说：“这项工作可以帮助为在能源受限环境中的自动机器人提供更高效，更可靠的导航系统铺平道路。尤其令人兴奋的机会包括诸如太空探索和灾难恢复之类的领域，其中优化能源效率和减少响应时间至关重要。”