仿神經晶片於低功耗SLAM的應用

SLAM（同步定位與地圖構建）這個技術被應用在機器人上面，用來辨識未知環境的地理特徵，而這樣的應用勢必會朝低耗能的方向發展。參考了哺乳動物的大腦，美國羅格斯大學的計算腦實驗室利用了Intel的Loihi仿神經晶片建造出一個SNN系統；這個系統結合了傳統的姿態感測器及RGB-D相機，透過感知周遭物體的遠近，在SNN中創造出一個地圖。以下會簡短介紹他們是如何做到的。

Fig.1 Overall structure of the proposed SNN architecture

首先，姿態感測器利用偵測機器人自身的轉動，將它的轉動速度輸入至方向網路。利用方向網路跟RGB-D相機得到的距離資料，我們可以將方向跟距離輸入到參考幀轉換網路，進而將單一的參考幀疊加到距離地圖網路上，利用STDP的學習機制，在「大腦」中產生對周遭完整的認知。

Fig.2 Connectome of each sub-network in the proposed SNN architecture

接下來就是要知道自己現在是在哪裡了。透過疊加RGB-D相機跟距離地圖的輸入，觀察相似網路可以猜測目前機器人面向的是哪一個方位，最後再結合原本的方向網路作為校正，就可以知道周遭環境跟自身的相對關係了，整個系統也在這時完成。

Fig.3 Experimental environments & SNN/digital maps comparison

這個系統的可貴之處，除了引進環狀吸引子到方向網路（我們也有在做這件事情！），同時也因為使用了仿神經電路，使得動態功耗比傳統的筆電CPU好了將近100倍，靜態功耗也好了將近4倍，且未來可以透過客製化呈現數量級的進步。

Fig.4 power consumption comparison

撰寫者：葉宸甫


參考影片：https://youtu.be/kIAefs3hd9s
參考文章：Tang, Guangzhi, Arpit Shah, and Konstantinos P. Michmizos. 2019. “Spiking Neural Network on Neuromorphic Hardware for Energy-Efficient Unidimensional SLAM.” CoRR abs/1903.02504.
http://arxiv.org/abs/1903.02504