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
CIC Digital (CICBA)
Institución
Comisión de Investigaciones Científicas de la Provincia de Buenos Aires
OAI Identificador
oai:digital.cic.gba.gob.ar:11746/12518

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