Группа ученых Университета Квинсленда (QUT) представила новый алгоритм для навигации роботов, вдохновленный работой мозга животных. Разработка, опубликованная в журнале IEEE Transactions on Robotics, использует нейросети, имитирующие процессы в биологических системах, что позволяет значительно снизить потребление энергии при высокоточной навигации.
Исследовательская группа разработала алгоритм распознавания местоположений с использованием Спайковых нейронных сетей (SNN). Они имитируют работу нейронов в мозге животных, передавая информацию через кратковременные сигналы, что позволяет значительно снизить энергозатраты при обработке данных.
Современные роботы, несмотря на свои достижения, все еще испытывают трудности с навигацией в сложных и незнакомых условиях. Системы искусственного интеллекта, использующие традиционные методы навигации, требуют больших вычислительных мощностей и потребляют много энергии.
Предложенная система использует нейронные модули для распознавания местоположений на основе изображений. Система может адаптироваться к изменениям внешнего вида местности и работать в разных сезонах и погодных условиях, что улучшает точность распознавания на 41%.
