果蝇触角遇上 LiDAR:传感器失效下的稳健导航
Fly Whiskers Meet LiDAR: Robust Navigation under Sensor Failure
预印本 · 尚未经过同行评审
FLYNN 接入 32 线 2D LiDAR 后,全视觉丧失下成功率从 45.2% 升至 64.6%。
我们将 FLYNN——一个基于黑腹果蝇连接组构建的漏积分循环网络——扩展出一个 32 线 2D LiDAR 接口,除一个标量输入增益外无需任何学习到的融合层。将 270 度、8 米量程的前向扫描以反向接近度的形式注入 37 个 BM Vib 头部刚毛神经元。在四状态视觉矩阵中开启或关闭 LiDAR 的 24 组配对比较中,FLYNN-LiDAR 对三个具备 LiDAR 能力的基线取得 17 次显著胜出、5 次不显著比较和 2 次显著落败。两次落败均发生在左眼关闭时对阵 MobileNet。在完整视觉下,FLYNN-LiDAR 达到 96.6% 的成功率。在完全视觉丧失下,扫描将成功率从 45.2% 提升至 64.6%;开启扫描时基线达到 44.6% 至 56.6%。在分布外纹理下,它是唯一一个成功率随扫描提升的具备 LiDAR 能力的模型(44.2% 至 58.4%);两个 CNN 均为 0%,SmallWorld 从 26.8% 下降至 7.4%。在周期性视觉中断下,FLYNN-LiDAR 在 25% 和 50% 占空比下分别达到 93.6% 和 89.6% 的成功率,且碰撞更少。对评估前向路径进行性能分析,得到每步 3.93M 次乘加运算;EfficientNet 和 MobileNet 分别需要 4.60 倍和 2.94 倍。最终状态分析显示近乎线性的感觉叠加(余弦 0.9955)。
中文由 AI 翻译,仅供参考,以原文为准。
来源:arXiv · Neurons and Cognition · arxiv.org