Ритмические задачи, выполняемые биологическими существами, такие как дыхание, ходьба и плавание, используют специализированные нейронные сети, называемые центральными генераторами паттернов (ЦПГ). Импульсные ЦПГ уже были реализованы для управления движением роботов. Цель данной статьи – развить эту концепцию, впервые, насколько нам известно, разработав и внедрив настраиваемый импульсный центральный генератор паттернов для управления четвероногими роботами. Импульсные ЦПГ позволяют более точно управлять движением и скоростью работы, сохраняя при этом низкое потребление памяти и задержку, характерные для импульсных ЦПГ. Для данной реализации выбрана модель биомиметического нейрона, которая высоко оптимизирована для работы в режиме реального времени на стандартном (микроконтроллер Arduino) и специализированном (Intel Loihi) оборудовании. В качестве аппаратной конфигурации модели выбрана модель Petoi Bittle для демонстрации эффективности предлагаемых ЦПГ даже в архитектурах последовательной обработки. Сеть ЦПГ также реализована в полностью асинхронной архитектуре Loihi для иллюстрации её универсальности. Полносвязная сеть на базе CPG использует около 10 килобайт памяти (33% от ёмкости Arduino) для реализации различных режимов передвижения: ходьбы, прыжка, рыси, галопа и ползания. Результаты сравнительного анализа показывают, что биомиметические нейроны занимают примерно на 600 байт (около 2%) больше памяти, чем нейроны Ижикевича, при этом работая на 0,02 мс (около 14%) быстрее в тестировании изолированных нейронов.
Маневренные роботы, способные передвигаться по неизведанной и опасной местности, могут повысить эффективность реагирования на стихийные бедствия во время наводнений и землетрясений, а также обеспечить доступ к удаленным и небезопасным зонам, таким как неисправные атомные станции или объекты космического назначения. Мобильные роботы, использующие принципы самостабилизации и эмерджентного поведения, могут демонстрировать меньшую зависимость от сложных вычислений и применять простые, но эффективные способы реализации различных типов движения в рамках единой базовой структуры [4]. Такая структура устраняет необходимость в сложном программировании с использованием точных алгоритмов управления, требующих больших вычислительных ресурсов и объемов памяти. Более того, существует значительная потребность в оперативном изменении локомоторного поведения на лету, например, в изменении скорости или переключении на другой режим (скажем, с шагания на ползание или иноходь). Гибкая и настраиваемая система управления, эффективно использующая аппаратные ресурсы, может сделать роботов более универсальными [5]. В биологии ключевым свойством животных является способность к эффективному перемещению в сложных условиях [3]. Эффективная локомоция как у позвоночных, так и у беспозвоночных млекопитающих обеспечивается нейронными схемами, образующими сети центральных генераторов паттерна (Central Pattern Generator, CPG). CPG генерируют ритмические паттерны нейронной активности без получения ритмических входных сигналов или сенсорной обратной связи от периферической нервной системы [6]. CPG демонстрируют ряд интересных свойств, таких как распределенное управление, устойчивость и толерантность к возмущениям, наличие контуров управления, действующих в нескольких временных масштабах, и модуляцию локомоции с помощью простых управляющих сигналов. При переносе на математические модели, которые могут быть реализованы на электронном оборудовании, эти свойства могут быть использованы для эффективного управления локомоцией в роботах. Спайковые CPG уже применялись для управления локомоцией роботов [7, 12].
Данная статья направлена на развитие этой концепции путем разработки и внедрения, впервые, насколько нам известно, пачечного (bursting) центрального генератора паттерна для управления четырехногими роботами. Пачечные CPG обеспечивают более детальное управление движением и скоростью работы, сохраняя при этом свойства ультранизкого энергопотребления и низкой задержки, присущие спайковым CPG. Выбранный для этой реализации нейрон вдохновлен моделью, представленной в [10], но он сильно оптимизирован для работы в реальном времени на стандартном или специализированном оборудовании с минимальным потреблением ресурсов, сохраняя при этом свои биомиметические свойства. В качестве модели робота выбрана платформа Petoi Bittle на базе Arduino для демонстрации эффективности модели даже в архитектуре с синхронной последовательной обработкой. Сеть CPG также реализована в нейроморфной асинхронной архитектуре Loihi от Intel для создания доказательной концепции событийно-управляемой системы с экстремальным параллелизмом.
Эта статья организована следующим образом. Раздел 2 содержит общие сведения о биомиметической модели нейрона и роботах, использующих спайковые CPG для локомоции. Разделы 3 и 4 описывают реализацию сетей пачечных CPG на платформах Arduino и Loihi с необходимыми оптимизациями. Раздел 5 представляет результаты сравнительного анализа производительности пачечной сети для биомиметического нейрона в сравнении с эффективностью нейронов Ижикевича. Раздел 6 обобщает наш вклад и возможные направления будущих исследований.*
*Перевод выполнен с помощью нейросетей
Маневренные роботы, способные передвигаться по неизведанной и опасной местности, могут повысить эффективность реагирования на стихийные бедствия во время наводнений и землетрясений, а также обеспечить доступ к удаленным и небезопасным зонам, таким как неисправные атомные станции или объекты космического назначения. Мобильные роботы, использующие принципы самостабилизации и эмерджентного поведения, могут демонстрировать меньшую зависимость от сложных вычислений и применять простые, но эффективные способы реализации различных типов движения в рамках единой базовой структуры [4]. Такая структура устраняет необходимость в сложном программировании с использованием точных алгоритмов управления, требующих больших вычислительных ресурсов и объемов памяти. Более того, существует значительная потребность в оперативном изменении локомоторного поведения на лету, например, в изменении скорости или переключении на другой режим (скажем, с шагания на ползание или иноходь). Гибкая и настраиваемая система управления, эффективно использующая аппаратные ресурсы, может сделать роботов более универсальными [5]. В биологии ключевым свойством животных является способность к эффективному перемещению в сложных условиях [3]. Эффективная локомоция как у позвоночных, так и у беспозвоночных млекопитающих обеспечивается нейронными схемами, образующими сети центральных генераторов паттерна (Central Pattern Generator, CPG). CPG генерируют ритмические паттерны нейронной активности без получения ритмических входных сигналов или сенсорной обратной связи от периферической нервной системы [6]. CPG демонстрируют ряд интересных свойств, таких как распределенное управление, устойчивость и толерантность к возмущениям, наличие контуров управления, действующих в нескольких временных масштабах, и модуляцию локомоции с помощью простых управляющих сигналов. При переносе на математические модели, которые могут быть реализованы на электронном оборудовании, эти свойства могут быть использованы для эффективного управления локомоцией в роботах. Спайковые CPG уже применялись для управления локомоцией роботов [7, 12].
Данная статья направлена на развитие этой концепции путем разработки и внедрения, впервые, насколько нам известно, пачечного (bursting) центрального генератора паттерна для управления четырехногими роботами. Пачечные CPG обеспечивают более детальное управление движением и скоростью работы, сохраняя при этом свойства ультранизкого энергопотребления и низкой задержки, присущие спайковым CPG. Выбранный для этой реализации нейрон вдохновлен моделью, представленной в [10], но он сильно оптимизирован для работы в реальном времени на стандартном или специализированном оборудовании с минимальным потреблением ресурсов, сохраняя при этом свои биомиметические свойства. В качестве модели робота выбрана платформа Petoi Bittle на базе Arduino для демонстрации эффективности модели даже в архитектуре с синхронной последовательной обработкой. Сеть CPG также реализована в нейроморфной асинхронной архитектуре Loihi от Intel для создания доказательной концепции событийно-управляемой системы с экстремальным параллелизмом.
Эта статья организована следующим образом. Раздел 2 содержит общие сведения о биомиметической модели нейрона и роботах, использующих спайковые CPG для локомоции. Разделы 3 и 4 описывают реализацию сетей пачечных CPG на платформах Arduino и Loihi с необходимыми оптимизациями. Раздел 5 представляет результаты сравнительного анализа производительности пачечной сети для биомиметического нейрона в сравнении с эффективностью нейронов Ижикевича. Раздел 6 обобщает наш вклад и возможные направления будущих исследований.*
*Перевод выполнен с помощью нейросетей
Robot Locomotion through Tunable Bursting Rhythms using Efficient Bio-mimetic Neural Networks on Loihi and Arduino Platforms
Rhythmic tasks that biological beings perform such as breathing, walking, and swimming, use specialized neural networks called central pattern generators (CPG). Spiking CPGs have already been implemented to control robot locomotion. This paper aims to take this concept further by designing and implementing a tunable bursting central pattern generator to control quadruped robots for the first time, to the best of our knowledge. Bursting CPGs allow for more granular control over the motion and speed of operation while retaining the low memory usage and latency capabilities of spiking CPGs. A bio-mimetic neuron model is chosen for this implementation which is highly optimized to run real-time on standard (Arduino microcontroller) and specialized (Intel Loihi) hardware. The Petoi bittle is chosen as the model hardware setup to showcase the efficiency of the proposed CPGs even in serial processing architectures. The CPG network is also realized in a completely asynchronous Loihi architecture to illustrate its versatility. The fully connected network running on CPG takes around 10 kilo bytes of memory (33% of Arduino capacity) to execute different modes of locomotion - walk, jump, trot, gallop, and crawl. Benchmarking results show that the bio-mimetic neurons take around 600 bytes (around 2%) more memory than Izhikevich neurons while being 0.02ms (around 14%) faster in isolated neuron testing.
Agile robots that can traverse unknown and dangerous terrains have the potential to enhance disaster response during floods and earthquakes or to access remote and unsafe areas like malfunctioning nuclear plants or space exploration. Mobile robots that rely on self-stabilizing and emergent behaviors can demonstrate decreased reliance on heavy computation and simple but effective ways to exhibit different types of motion using a single underlying framework [4]. Such a framework removes the need for elaborate programming through precise control algorithms demanding larger compute and memory resources. Moreover, there is a significant need to change locomotion behaviors on the fly, such as changing speeds or switching to a different mode, e.g. walking to crawling or trotting. A flexible and tunable control system using the hardware resources efficiently can make robots more versatile [5]. In biology, a key property of animals is the ability to efficiently move in complex environments [3]. Efficient locomotion in both vertebrate and invertebrate mammals is enabled through neural circuits forming Central Pattern Generator (CPG) networks. CPGs produce rhythmic patterns of neural activity without receiving rhythmic inputs or sensory feedback from the peripheral nervous system [6]. CPGs present several interesting properties such as distributed control, robustness and tolerance to perturbations, control loops in action at multiple timescales, and network modulation of locomotion using simple control signals. When transferred to mathematical models that can be implemented on electronic hardware, these properties can be realized for efficient locomotion control in robots. Spiking CPGs have already been implemented to control robot locomotion [7, 12].
This paper aims to take this concept further by designing and implementing a bursting central pattern generator to control quadruped robots for the first time, to the best of our knowledge. Bursting CPGs allow for more granular control over the motion and speed of operation while retaining the ultra-low power and latency capabilities of spiking CPGs. The neuron chosen for this implementation is inspired by the model presented in [10] but highly optimized to run real-time on standard or specialized hardware with minimum resources while still retaining its bio-mimetic properties. The Petoi Bittle is chosen as the model robot with the Arduino hardware platform to showcase the efficiency of the model even in synchronous serial processing architecture. The CPG network is also realized in the neuromorphic asynchronous Loihi architecture, from Intel, to establish a proof-of-concept event-based system with extreme parallelism.
This paper is organized as follows. Section 2 provides a background of the Bio-Mimetic neuron model and robots using spiking CPG for locomtion. Sections 3 and 4 describe the implementation of bursting CPG networks on Arduino and Loihi platforms with the necessary optimizations. Section 5 provides the benchmarking results of the bursting network for the bio-mimetic neuron compared with the performance of Izhikevich neurons. Section 6 summarizes our contributions and possible future work.
This paper aims to take this concept further by designing and implementing a bursting central pattern generator to control quadruped robots for the first time, to the best of our knowledge. Bursting CPGs allow for more granular control over the motion and speed of operation while retaining the ultra-low power and latency capabilities of spiking CPGs. The neuron chosen for this implementation is inspired by the model presented in [10] but highly optimized to run real-time on standard or specialized hardware with minimum resources while still retaining its bio-mimetic properties. The Petoi Bittle is chosen as the model robot with the Arduino hardware platform to showcase the efficiency of the model even in synchronous serial processing architecture. The CPG network is also realized in the neuromorphic asynchronous Loihi architecture, from Intel, to establish a proof-of-concept event-based system with extreme parallelism.
This paper is organized as follows. Section 2 provides a background of the Bio-Mimetic neuron model and robots using spiking CPG for locomtion. Sections 3 and 4 describe the implementation of bursting CPG networks on Arduino and Loihi platforms with the necessary optimizations. Section 5 provides the benchmarking results of the bursting network for the bio-mimetic neuron compared with the performance of Izhikevich neurons. Section 6 summarizes our contributions and possible future work.