具有正则化约束的脉冲神经网络机器人触觉物体识别方法

来源：电子与信息学报杂志2023年第7期北京时间：

作者：杨静, 吉晓阳, 李少波, 胡建军, 王阳, 刘庭卿

单位：1.贵州大学省部共建公共大数据国家重点实验室 贵阳 5500252.贵州大学计算机科学与技术学院 贵阳 5500253.贵州大学现代制造技术教育部重点实验室 贵阳 5500254.美国南卡罗莱纳州立大学计算机科学与工程系 哥伦比亚 29208

摘要：拓展触觉感知能力是智能机器人未来发展的重要方向之一，决定着机器人的应用场景范围。由触觉传感器采集的数据是机器人完成触觉感知任务基础，但触觉数据具有复杂的时空性。脉冲神经网络具有丰富的时空动力学特征和契合硬件的事件驱动性，能更好地处理时空信息和应用于人工智能芯片给机器人带来更高能效。该文针对脉冲神经网络神经元脉冲活动离散性导致网络训练过程反向传播失效的问题，从智能触觉机器人动态系统角度，引入脉冲活动近似函数使脉冲神经网络反向传播梯度下降法有效；针对触觉脉冲数据量少导致的过拟合问题，融合正则化方法加以缓解；最后，提出具有正则化约束的脉冲神经网络机器人触觉物体识别(Spiking neural network Tactile dropout, SnnTd; Spiking neural network Tactile dropout-l2-cosine annealing, SnnTdlc)算法。相较于经典方法TactileSGNet, Grid-based CNN, MLP和GCN, SnnTd正则化方法触觉物体识别率在EvTouch-Containers数据集上比最好方法TactileSGNet提升了5.00%，SnnTdlc正则化方法触觉物体识别率在EvTouch-Objects数据集上比最好方法TactileSGNet提升了3.16%。

关键词：触觉感知, 脉冲神经网络, 识别算法, 正则化方法, 反向传播

基金资助：国家重点研发计划(2018AAA0101800)，国家自然科学基金(62166005)，教育部重点实验室开放项目(黔教合KY字[2020]245)，贵州省高层次留学人才项目((2021)09号)，贵州省自然科学基金项目(黔科合基础-ZK[2022]一般130，黔科合支撑[2021]335)