?Brain-inspired SLAM

哺乳動物可以找到食物，回到它們的巢穴，并利用它們的導(dǎo)航能力找到社會伴侶。隨著對大腦神經(jīng)機制的發(fā)現(xiàn)和認識的提高，一些導(dǎo)航神經(jīng)網(wǎng)絡(luò)模型已被開發(fā)并應(yīng)用于二維區(qū)域的機器人導(dǎo)航。例如，開發(fā)了頭部方向單元和位置單元的導(dǎo)航計算模型，該模型部署在Khepera機器人上，在一個小的2D區(qū)域內(nèi)運行(Arleo和Gerstner 2000)。此外，Barrera和Weitzenfeld(2008)開發(fā)了具有空間導(dǎo)航能力的機器人架構(gòu)。為了支持大規(guī)模的持續(xù)導(dǎo)航和繪圖，開發(fā)了一種受生物啟發(fā)的SLAM模型，稱為RatSLAM (Milford et al. 2004;米爾福德和惠氏2008年，2010年)。這個模型松散地模仿了嚙齒類動物的部分大腦。RatSLAM已經(jīng)成功地在2D地圖上繪制了整個郊區(qū)，并在2D辦公環(huán)境中導(dǎo)航了兩周。

近年來，基于RatSLAM模型的擴展方法得到了發(fā)展，如BatSLAM (Steckel和Peremans 2013)利用聲納傳感模態(tài)。Tang等人(2018)集成了一個情景記憶模塊來處理導(dǎo)航任務(wù)中的上下文。Milford等(2011a)和Milford等(2011b)在不改變RatSLAM核心模型的前提下，對視覺系統(tǒng)進行了改進，解決了2.5D環(huán)境下的SLAM問題。Silveira et al.(2013)和Silveira et al.(2015)通過使用3D place cell模型擴展RatSLAM模型，探索了三維水下環(huán)境中的SLAM問題，但它們并未表示度量和方向信息。

此外，基于位置細胞(PC)、頭向細胞(HDC)和網(wǎng)格細胞(GC)以及各種類型的神經(jīng)網(wǎng)絡(luò)，如連續(xù)吸引子神經(jīng)網(wǎng)絡(luò)(CANN)、深度神經(jīng)網(wǎng)絡(luò)(DNN)和spiking神經(jīng)網(wǎng)絡(luò)(SNN)，一些新的模型和方法已經(jīng)被開發(fā)出來，如表3所示。有幾種方法使用了新的傳感器，如基于事件的相機和RGB-D傳感器，以及神經(jīng)形態(tài)硬件，如Kreiser等(2018a,b)。

許多方法的靈感來自于大腦的空間表現(xiàn)，已經(jīng)開發(fā)了2D SLAM機器人。然而，基于哺乳動物大腦的三維空間神經(jīng)表征，很少有人在具有挑戰(zhàn)性的現(xiàn)實環(huán)境中解決3D SLAM的難題。直到最近，這種對2D的關(guān)注一定程度上是由于對3D導(dǎo)航下的神經(jīng)基底的了解相對較少。然而，最近在飛行蝙蝠和人類大腦中發(fā)現(xiàn)的三維導(dǎo)航神經(jīng)表征為建模者和機器人專家提供了一些新的靈感來源。在這篇論文中，我們著重于開發(fā)一個三維空間表現(xiàn)的神經(jīng)模型，以便在三維環(huán)境中提供一個仿生的SLAM能力。