SLAM bioinspirado con neuronas tipo spiking memristivas
- Autores
- Pirozzo, Bernardo M.; De Paula, Mariano; Villar, Sebastián; Fernaández Leoón, Jose; Acosta, Gerardo G.
- Año de publicación
- 2024
- Idioma
- español castellano
- Tipo de recurso
- documento de conferencia
- Estado
- versión publicada
- Descripción
- La incorporación de Inteligencia Artificial (IA) en robotica permitió disponer de capacidades cognitivas que mejoraron sus desempeños en multiples aplicaciones. A partir de investigaciones de la Neurociencia, se sabe que la información es procesada a nivel neuronal mediante impulsos eléctricos, que luego son transportados a las neuronas vecinas mediante procesos electroquımicos. Este descubrimiento inspiro el desarrollo de las redes neuronales artificiales, y entre ellas, las denominadas Redes Neuronales Spiking (RNS). Con el prop´ osito de implementar RNS a nivel hardware, con circuitos electrónicos cuyo comportamiento sea equivalente al de las estructuras neurobiologicas del sistema nervioso, en este trabajo presentamos el modelo Leaky Integrate-and-Fire, que es ampliamente utilizado en RNS. La capacidad de memoria necesaria para almacenar pesos sinapticos luego de los entrenamientos se implement´ o con memristores. Este resistor con memoria es considerado el cuarto elemento pasivo de la electronica. Hemos seleccionado como caso de estudio para probar estas ideas, un sistema de localización y mapeo simultáneos (SLAM) de inspiración biologica, conocido como Rat-SLAM, para ser evaluado en un robot móvil autonomo (RMA). En efecto, la investigación del cerebro de los roedores, permitió conocer la existencia de zonas encargadas de la localización y orientación espacial, que aprovecharemos en los modulos de guiado y navegación del RMA. Para ´ esto, en este trabajo proponemos un tipo de RNS, las Memristive Leaky Integrate-and-Fire (MLIF) para conformar las pose cells del Rat-SLAM.
- Materia
-
Ciencias de la Computación e Información
Rat-SLAM
Memristores
Robótica Móvil Autónoma
Neurociencias
Computación Neuromórfica - Nivel de accesibilidad
- acceso abierto
- Condiciones de uso
- http://creativecommons.org/licenses/by-nc-sa/4.0/
- Repositorio
- Institución
- Comisión de Investigaciones Científicas de la Provincia de Buenos Aires
- OAI Identificador
- oai:digital.cic.gba.gob.ar:11746/12518
Ver los metadatos del registro completo
id |
CICBA_9f8739fefaef44123b267693643b1825 |
---|---|
oai_identifier_str |
oai:digital.cic.gba.gob.ar:11746/12518 |
network_acronym_str |
CICBA |
repository_id_str |
9441 |
network_name_str |
CIC Digital (CICBA) |
spelling |
SLAM bioinspirado con neuronas tipo spiking memristivasPirozzo, Bernardo M.De Paula, MarianoVillar, SebastiánFernaández Leoón, JoseAcosta, Gerardo G.Ciencias de la Computación e InformaciónRat-SLAMMemristoresRobótica Móvil AutónomaNeurocienciasComputación NeuromórficaLa incorporación de Inteligencia Artificial (IA) en robotica permitió disponer de capacidades cognitivas que mejoraron sus desempeños en multiples aplicaciones. A partir de investigaciones de la Neurociencia, se sabe que la información es procesada a nivel neuronal mediante impulsos eléctricos, que luego son transportados a las neuronas vecinas mediante procesos electroquımicos. Este descubrimiento inspiro el desarrollo de las redes neuronales artificiales, y entre ellas, las denominadas Redes Neuronales Spiking (RNS). Con el prop´ osito de implementar RNS a nivel hardware, con circuitos electrónicos cuyo comportamiento sea equivalente al de las estructuras neurobiologicas del sistema nervioso, en este trabajo presentamos el modelo Leaky Integrate-and-Fire, que es ampliamente utilizado en RNS. La capacidad de memoria necesaria para almacenar pesos sinapticos luego de los entrenamientos se implement´ o con memristores. Este resistor con memoria es considerado el cuarto elemento pasivo de la electronica. Hemos seleccionado como caso de estudio para probar estas ideas, un sistema de localización y mapeo simultáneos (SLAM) de inspiración biologica, conocido como Rat-SLAM, para ser evaluado en un robot móvil autonomo (RMA). En efecto, la investigación del cerebro de los roedores, permitió conocer la existencia de zonas encargadas de la localización y orientación espacial, que aprovecharemos en los modulos de guiado y navegación del RMA. Para ´ esto, en este trabajo proponemos un tipo de RNS, las Memristive Leaky Integrate-and-Fire (MLIF) para conformar las pose cells del Rat-SLAM.2024-06info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionhttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdfhttps://digital.cic.gba.gob.ar/handle/11746/12518spainfo:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc-sa/4.0/reponame:CIC Digital (CICBA)instname:Comisión de Investigaciones Científicas de la Provincia de Buenos Airesinstacron:CICBA2025-09-29T13:39:53Zoai:digital.cic.gba.gob.ar:11746/12518Institucionalhttp://digital.cic.gba.gob.arOrganismo científico-tecnológicoNo correspondehttp://digital.cic.gba.gob.ar/oai/snrdmarisa.degiusti@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:94412025-09-29 13:39:53.783CIC Digital (CICBA) - Comisión de Investigaciones Científicas de la Provincia de Buenos Airesfalse |
dc.title.none.fl_str_mv |
SLAM bioinspirado con neuronas tipo spiking memristivas |
title |
SLAM bioinspirado con neuronas tipo spiking memristivas |
spellingShingle |
SLAM bioinspirado con neuronas tipo spiking memristivas Pirozzo, Bernardo M. Ciencias de la Computación e Información Rat-SLAM Memristores Robótica Móvil Autónoma Neurociencias Computación Neuromórfica |
title_short |
SLAM bioinspirado con neuronas tipo spiking memristivas |
title_full |
SLAM bioinspirado con neuronas tipo spiking memristivas |
title_fullStr |
SLAM bioinspirado con neuronas tipo spiking memristivas |
title_full_unstemmed |
SLAM bioinspirado con neuronas tipo spiking memristivas |
title_sort |
SLAM bioinspirado con neuronas tipo spiking memristivas |
dc.creator.none.fl_str_mv |
Pirozzo, Bernardo M. De Paula, Mariano Villar, Sebastián Fernaández Leoón, Jose Acosta, Gerardo G. |
author |
Pirozzo, Bernardo M. |
author_facet |
Pirozzo, Bernardo M. De Paula, Mariano Villar, Sebastián Fernaández Leoón, Jose Acosta, Gerardo G. |
author_role |
author |
author2 |
De Paula, Mariano Villar, Sebastián Fernaández Leoón, Jose Acosta, Gerardo G. |
author2_role |
author author author author |
dc.subject.none.fl_str_mv |
Ciencias de la Computación e Información Rat-SLAM Memristores Robótica Móvil Autónoma Neurociencias Computación Neuromórfica |
topic |
Ciencias de la Computación e Información Rat-SLAM Memristores Robótica Móvil Autónoma Neurociencias Computación Neuromórfica |
dc.description.none.fl_txt_mv |
La incorporación de Inteligencia Artificial (IA) en robotica permitió disponer de capacidades cognitivas que mejoraron sus desempeños en multiples aplicaciones. A partir de investigaciones de la Neurociencia, se sabe que la información es procesada a nivel neuronal mediante impulsos eléctricos, que luego son transportados a las neuronas vecinas mediante procesos electroquımicos. Este descubrimiento inspiro el desarrollo de las redes neuronales artificiales, y entre ellas, las denominadas Redes Neuronales Spiking (RNS). Con el prop´ osito de implementar RNS a nivel hardware, con circuitos electrónicos cuyo comportamiento sea equivalente al de las estructuras neurobiologicas del sistema nervioso, en este trabajo presentamos el modelo Leaky Integrate-and-Fire, que es ampliamente utilizado en RNS. La capacidad de memoria necesaria para almacenar pesos sinapticos luego de los entrenamientos se implement´ o con memristores. Este resistor con memoria es considerado el cuarto elemento pasivo de la electronica. Hemos seleccionado como caso de estudio para probar estas ideas, un sistema de localización y mapeo simultáneos (SLAM) de inspiración biologica, conocido como Rat-SLAM, para ser evaluado en un robot móvil autonomo (RMA). En efecto, la investigación del cerebro de los roedores, permitió conocer la existencia de zonas encargadas de la localización y orientación espacial, que aprovecharemos en los modulos de guiado y navegación del RMA. Para ´ esto, en este trabajo proponemos un tipo de RNS, las Memristive Leaky Integrate-and-Fire (MLIF) para conformar las pose cells del Rat-SLAM. |
description |
La incorporación de Inteligencia Artificial (IA) en robotica permitió disponer de capacidades cognitivas que mejoraron sus desempeños en multiples aplicaciones. A partir de investigaciones de la Neurociencia, se sabe que la información es procesada a nivel neuronal mediante impulsos eléctricos, que luego son transportados a las neuronas vecinas mediante procesos electroquımicos. Este descubrimiento inspiro el desarrollo de las redes neuronales artificiales, y entre ellas, las denominadas Redes Neuronales Spiking (RNS). Con el prop´ osito de implementar RNS a nivel hardware, con circuitos electrónicos cuyo comportamiento sea equivalente al de las estructuras neurobiologicas del sistema nervioso, en este trabajo presentamos el modelo Leaky Integrate-and-Fire, que es ampliamente utilizado en RNS. La capacidad de memoria necesaria para almacenar pesos sinapticos luego de los entrenamientos se implement´ o con memristores. Este resistor con memoria es considerado el cuarto elemento pasivo de la electronica. Hemos seleccionado como caso de estudio para probar estas ideas, un sistema de localización y mapeo simultáneos (SLAM) de inspiración biologica, conocido como Rat-SLAM, para ser evaluado en un robot móvil autonomo (RMA). En efecto, la investigación del cerebro de los roedores, permitió conocer la existencia de zonas encargadas de la localización y orientación espacial, que aprovecharemos en los modulos de guiado y navegación del RMA. Para ´ esto, en este trabajo proponemos un tipo de RNS, las Memristive Leaky Integrate-and-Fire (MLIF) para conformar las pose cells del Rat-SLAM. |
publishDate |
2024 |
dc.date.none.fl_str_mv |
2024-06 |
dc.type.none.fl_str_mv |
info:eu-repo/semantics/conferenceObject info:eu-repo/semantics/publishedVersion http://purl.org/coar/resource_type/c_5794 info:ar-repo/semantics/documentoDeConferencia |
format |
conferenceObject |
status_str |
publishedVersion |
dc.identifier.none.fl_str_mv |
https://digital.cic.gba.gob.ar/handle/11746/12518 |
url |
https://digital.cic.gba.gob.ar/handle/11746/12518 |
dc.language.none.fl_str_mv |
spa |
language |
spa |
dc.rights.none.fl_str_mv |
info:eu-repo/semantics/openAccess http://creativecommons.org/licenses/by-nc-sa/4.0/ |
eu_rights_str_mv |
openAccess |
rights_invalid_str_mv |
http://creativecommons.org/licenses/by-nc-sa/4.0/ |
dc.format.none.fl_str_mv |
application/pdf |
dc.source.none.fl_str_mv |
reponame:CIC Digital (CICBA) instname:Comisión de Investigaciones Científicas de la Provincia de Buenos Aires instacron:CICBA |
reponame_str |
CIC Digital (CICBA) |
collection |
CIC Digital (CICBA) |
instname_str |
Comisión de Investigaciones Científicas de la Provincia de Buenos Aires |
instacron_str |
CICBA |
institution |
CICBA |
repository.name.fl_str_mv |
CIC Digital (CICBA) - Comisión de Investigaciones Científicas de la Provincia de Buenos Aires |
repository.mail.fl_str_mv |
marisa.degiusti@sedici.unlp.edu.ar |
_version_ |
1844618584106467328 |
score |
13.070432 |