PulseAugur
中
实时 18:22:37
English(EN) Robust PnP on a Neuromorphic Processor for Object Pose Estimation

神经形态处理器实现高能效物体姿态估计

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一种新颖的鲁棒透视n点（PnP）公式，可在神经形态处理器上执行，从而提高机器人感知中物体姿态估计的能效。该方法通过从易受离群值影响的2D-3D对应关系中确定具有最多内点的物体姿态。此外，还设计了一个脉冲神经网络（SNN）来从事件数据中预测2D地标，从而实现对物体姿态估计流程的更完整的神经形态处理。在Intel Loihi 2硬件上进行的测试证明了其具有竞争力的准确性和卓越的能效。 AI

影响 这项研究可能带来更节能的AI系统，用于机器人感知和其他实时应用。

排序理由 学术论文，详细介绍了在神经形态硬件上进行物体姿态估计的新方法。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CV 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

神经形态处理器实现高能效物体姿态估计

报道来源 [1]

  1. arXiv cs.CV TIER_1 English(EN) · Tam Ngoc-Bang Nguyen, Mohsi Jawaid, Tat-Jun Chin ·

    基于神经形态处理器的鲁棒性PnP用于物体姿态估计

    arXiv:2607.16834v1 Announce Type: new Abstract: Neuromorphic computing is gaining attention in robotic perception due to its higher energy efficiency. While neural network-based methods can more readily exploit the distributed and parallelized structure of neuromorphic computers,…

相关实体

相关话题