[논문 리뷰] Robust robotic control on the neuromorphic research chip Loihi.

Carlo Michaelis, Andrew B. Lehr외 1명|arXiv (Cornell University)|2020. 08. 26.

Advanced Memory and Neural Computing인용 수 4

한 줄 요약

이 논문은 인텔의 로이히 칩에 구현된 이방성 스파iking 신경망 모델 기반의 뉴모르픽 제어 알고리즘을 제안하여, 저지연, 높은 내성의 로봇 팔 제어를 가능하게 한다. 이 알고리즘은 밀리초 단위의 스파이크 활동을 제어에 관련된 시간스케일로 성공적으로 매핑하여, 높은 변동성과 노이즈에 대한 내성력을 갖춘 안정적인 다차원 궤적을 생성한다.

ABSTRACT

Neuromorphic hardware has several promising advantages compared to von Neumann architectures and is highly interesting for robot control. However, despite the high speed and energy efficiency of neuromorphic computing, algorithms utilizing this hardware in control scenarios are still missing. One problem is the transition from fast spiking activity on the hardware, which acts on a timescale of a few milliseconds, to a control-relevant timescale on the order of hundreds of milliseconds. Another problem is to enable the execution of complex trajectories, requiring the spiking activity to contain sufficient variability, while at the same time, for reliable performance, network dynamics require adequate robustness against noise. In this study we exploit a recently developed biologically-inspired spiking neural network model, the so-called anisotropic network, as the basis for a neuromorphic algorithm for robotic control. For this, we identified and transferred the core principles of the anisotropic network to neuromorphic hardware using Intel's neuromorphic research chip Loihi and validated the system on trajectories from a motor-control task performed by a robot arm. We show that the anisotropic network on Loihi reliably encodes sequential patterns of neural activity, each representing a robotic action, and that the patterns allow the generation of multidimensional trajectories on control-relevant timescales. Taken together, our study presents a new algorithm that allows the control of complex robotic movements using state of the art neuromorphic hardware.

연구 동기 및 목표

• 빠른 뉴모르픽 스파이킹 활동(밀리초 단위)을 100ms 시간스케일의 안정적이고 제어에 관련된 운동 명령으로 번역하는 문제를 해결하기 위해.
• 뉴모르픽 하드웨어에서 스파이킹 신경망을 사용하여 복잡한 다차원 로봇 궤적을 구현하기 위해.
• 다양한 운동 행동을 위한 충분한 신경 패턴의 변동성을 유지하면서 노이즈에 대한 내성을 확보하기 위해.
• 실제 물리적 로봇 팔을 사용하여 실제 로봇 제어 작업을 통해 접근 방식을 검증하기 위해.

제안 방법

• 생물학적으로 영감을 얻은 이방성 네트워크 모델을 인텔의 로이히 뉴모르픽 칩에 구현하기 위해 적응시켰다.
• 스파이크 시기와 빈도 코드를 통해 순차적 신경 활동 패tern을 이산적인 로봇 동작으로 매핑하였다.
• 내재된 노이즈에도 불구하고 수백 밀리초에 걸쳐 안정적인 활동 패턴을 유지하도록 네트워크 동역학을 설계하였다.
• 스파이킹 뉴런 동역학과 시냅스 가소성을 사용하여 운동 명령의 시간적 순서를 인코딩하고 재생하였다.
• 궤적 다양성을 위한 변동성과 신뢰할 수 있는 성능를 위한 내성 간의 균형을 확보하기 위해 네트워크 파라미터를 校정하였다.
• 실제 물리적 로봇 팔을 사용한 실제 로봇 운동 제어 작업을 통해 시스템을 검증하였다.

실험 결과

연구 질문

• RQ1 로이히와 같은 뉴모르픽 하드웨어가 복잡한 로봇 궤적을 위한 제어 신호를 신뢰성 있게 인코딩하고 생성할 수 있는가?
• RQ2 어떻게 빠른 스파이킹 활동(밀리초 단위)을 로봇 운동에 필요한 100ms 시간스케일의 제어 동작으로 번역할 수 있는가?
• RQ3 이방성 스파이킹 네트워크는 다양한 운동 패턴을 지원하면서 노이즈에 대해 어느 정도 내성을 유지할 수 있는가?
• RQ4 외부 피드백이나 명시적 타이밍 신호 없이도 네트워크가 안정적이고 다차원 궤적을 생성할 수 있는가?

주요 결과

• 로이히에 구현된 이방성 네트워크는 서로 다른 로봇 동작을 나타내는 순차적 신경 활동 패턴을 성공적으로 인코딩하였다.
• 시스템은 빠른 스파이킹 동역학에서 유래한 안정적인 다차원 궤적을 제어에 관련된 시간스케일(수백 밀리초)에서 생성하였다.
• 복잡한 궤적 생성에 필요한 변동성을 훼손하지 않으면서도 노이즈에 대한 내성을 확보하였다.
• 알고리즘이 외부 피드백이나 명시적 타이밍 신호 없이도 오직 스파이킹 신경망 동역학만으로도 물리적 로봇 팔에서 복잡한 운동 작업을 신뢰성 있게 수행할 수 있게 하였다.
• 이 접근 방식은 뉴모르픽 하드웨어의 본질적 이점을 활용하여 에너지 효율성과 저지연 제어를 입증하였다.
• 생물학적으로 영감을 얻은 네트워크 원리를 뉴모르픽 하드웨어에 적용함으로써 확장 가능하고 적응 가능한 로봇 제어를 실현하였다.