日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

制御arXiv:2605.19430

資源制約ハードウェア上での羽ばたきロボットのニューロモルフィック制御

Neuromorphic Control of a Flapping-Wing Robot on Resource-Constrained Hardware

シェア:XThreadsFacebookLINEはてブBluesky

ESP32マイコン上でスパイキングニューラルネットワークを用いた階層的制御により、羽ばたき飛行ロボットの完全オンボード閉ループ飛行を実現した。

詳しい要約

1. どんなもの?

- 蝶型ロボット(30g未満)のFWMAVを対象に、ESP32マイコン上で完全オンボードの閉ループ飛行を実現する階層型ニューロモーフィック制御フレームワーク。 - 2つの軽量SNNを搭載:1つは生のセンサフィードバックからの状態推定、もう1つはCPGの変調による制御。 - 模倣学習で訓練し、実世界での無拘束飛行において安定したピッチと方位角の追従を達成。

2. 先行研究と比べてどこがすごい?

- 従来のANNベースラインと比較して、推論レイテンシを36%削減(1059us→680us)、消費電力を18%削減(0.033W→0.027W)。 - 専用ハードウェアなしでスパイクベース計算の有効性を実証。 - 著者らの知る限り、FWMAVの自律飛行における完全オンボードニューロモーフィック制御の初の実証。

3. 技術・手法の肝は?

- 階層型ニューロモーフィック制御:状態推定用SNNと制御用SNN(CPG変調)をESP32上に実装。 - 模倣学習により訓練。 - 生のセンサフィードバックから状態推定を行い、CPGを介して翅のアクチュエーションを制御。

4. どうやって有効だと検証した?

- 無拘束の実世界飛行実験により、安定したピッチと方位角の追従を達成。 - ANNベースラインとの比較で、レイテンシと消費電力の削減を定量的に評価。

5. 議論はある?

- 厳しいSWaP制約下でのエネルギー効率の良い自律性を可能にするSNNの可能性を示唆。 - 専用ハードウェアなしでスパイクベース計算が実現可能であることを実証。 - その他の議論や限界については要旨からは不明。

6. 次に読むべき論文は?

- 要旨で参照/比較されている研究はANNベースラインのみ。 - 関連手法としてSpiking Neural Networks (SNNs)、Central Pattern Generator (CPG)、Flapping-Wing Micro Aerial Vehicles (FWMAVs) が挙げられる。 - 同分野の定番としてニューロモーフィック制御、模倣学習、リソース制約下のロボティクスに関する論文が考えられる。

※ AIが要旨から生成した要約です。正確性は原文をご確認ください。

著者: Rim El Filali, Chenrui Feng, Chao Gao, Weibin Gu

分類: cs.RO

原文アブストラクト

Flapping-Wing Micro Aerial Vehicles (FWMAVs) provide exceptional maneuverability and aerodynamic efficiency but pose significant challenges for onboard control due to nonlinear dynamics and stringent Size, Weight, and Power (SWaP) constraints, as exemplified by a butterfly-inspired robot less than 30 gram. To this end, we present a hierarchical neuromorphic control framework that enables fully onboard, closed-loop flight on a widely available, resource-constrained ESP32 microcontroller with a unit cost of approximately $5. Specifically, our method deploys two lightweight Spiking Neural Networks (SNNs) onboard: one for state estimation from raw sensory feedback and another for control via modulation of a Central Pattern Generator (CPG) for wing actuation. Trained by imitation learning, the system achieves stable pitch and heading angle tracking during untethered real-world flight. Experimental results further reveal that the SNN-based controller reduces latency by 36% (1059us to 680us) and power by 18% (0.033W to 0.027W) for inference compared to the conventional Artificial Neural Network (ANN) baseline, demonstrating the viability of spike-based computation without specialized hardware. To the best of our knowledge, this work constitutes the first demonstration of fully onboard neuromorphic control for autonomous flight of a FWMAV, highlighting the potential of SNNs to enable energy-efficient autonomy under stringent SWaP constraints. Visual abstract: http://bit.ly/4nI8ECY Code: https://anonymous.4open.science/r/Espikify-76E3/

関連論文

  1. 1Boston Dynamics、車輪付きAtlasの研究試作機を紹介研究・技術
  2. 2newmoとKDDIが資本業務提携 2028年に堺市で自動運転タクシー商用化目指す提携・買収
  3. 3GXOとApptronik、Apolloの物流現場試験を拡大 最大1,000台の展開を構想量産・展開
  4. 4NVIDIA、CoRLでGR00T 2とIsaac Lab 3.0を発表新製品・発表
  5. 5UC BerkeleyとNVIDIAの研究者、AIエージェントでロボット制御コードを仮想環境で改善研究・技術

PR・アフィリエイト広告

OZ GAMING(GPU搭載BTOゲーミングPC)

OZ GAMING(GPU搭載BTOゲーミングPC)の公式広告バナーOZ GAMINGで完成品PCを見る ↗
PR本紙発行元 EmplifAI