Brain-inspired飙升神经网络(SNN)和所需的并行硬件开发他们的潜能有前景的机器人应用程序的特性。
文摘:
“动物的大脑仍然比即使是最高性能机器以显著降低速度。尽管如此,令人印象深刻的进展在机器人领域的设想中,运动和路径规划在过去的几十年。Brain-inspired飙升神经网络(SNN)和所需的并行硬件开发他们的潜能有前景的机器人应用程序的特性。除了最明显的平台部署SNN brain-inspired神经形态硬件、图形处理单元(GPU)的并行计算能力。为生成CUDA-optimized代码库,比如GeNN和负担得起的嵌入式系统使他们一个有吸引力的替代由于其低廉的价格和可用性。虽然存在一些性能测试,但一直缺乏基准目标机器人的应用程序。我们比较神经波前算法的性能作为一个用例代表机器人在不同硬件适合SNN模拟运行。用于该基准SNN建模的simulator-independent PyNN声明性语言,它允许不同的模拟后端使用相同的模型。我们的重点是比较巢,系列CPU上运行,大三角帆,代表神经形态硬件,在GeNN和实现。除此之外,我们还调查GeNN部署到不同的硬件的差异。 A comparison between the different simulators and hardware is performed with regard to total simulation time, average energy consumption per run, and the length of the resulting path. We hope that the insights gained about performance details of parallel hardware solutions contribute to developing more efficient SNN implementations for robotics.”
把这技术论文在这里。公布的06/2021。
史蒂芬L,科赫R, Ulbrich年代,尼奇年代,Roennau和Dillmann R(2021)基准飙升高度并行硬件神经网络在机器人。前面。>。15:667011。
imec的计算路线图;美国目标华为;美印。特遣部队;China-Bolivia交易;力量发泄白光干涉测量系统;三星量化可持续性;麦肯锡标识在美国工厂建设问题;发光二极管。
留下一个回复