Page 23 - 歷經一番寒徹骨DDR5記憶體主流時代即將來臨？
P. 23
INDUSTRY TRENDS
生物演算法
生物運動檢測是在1960
年代基於昆蟲大腦實驗建立
的數學模型。這個模型被稱為
Hassenstein-Reichardt探測器，
它已經透過不同的實驗方法得到
了多次驗證。在這個模型中，大腦
接收來自眼睛中兩個相鄰受體的
訊號。當一個受體的輸入被延遲
後，如果大腦同時接收到這兩個
訊號，神經元就會啟動，因為這意
味著所看到的物體正在移動。再對
另一個訊號也進行延遲，如果結果
也是這樣的話，則意味著，物體在
任一方向上移動時模型均有效(因
此模型具有對稱性)。 這是一個很好的理論，但它
圖1:(左)作為生物大腦中的運動檢測模型的Hassenstein-Reichardt探測器;(右)源於蜜蜂大腦的 Opteran專利演算法。 (來源:Opteran)
Opteran利用蜜蜂的行為和 神經科學資料，實現了自己的視覺 慣性里程估計器和防撞演算法，參 見圖1(右)。該演算法經過基準測 試，發現在理論精確度和雜訊強健 性方面優於FlowNet2s (當時最先 進的深度學習演算法)。Marshall 指出，深度學習的實現還需要GPU 加速，並伴隨相關的功耗損失。
21
HyperRAM HyperRAMTM
Best DRAM Choice for
Best DRAM Choice for
AIoT Applications
AIoT Applications
FPGA上實現光流處理，主頻率為 10kHz，功耗小於1W。
釋，Hassenstein-Reichardt探 測器雖然足以模擬果蠅的運動檢 測，但對空間頻率(影像中明暗分 佈模式)和對比度高度敏感，因此 不太適合廣義視覺導航。
「這種性能在所有維度上都
超過了深度學習技術的水準，包括
強健性、功率和速度，」Marshall
說。 「蜜蜂做的就更聰明一些，
它們對這些基本單位做了一種新 穎安排，」Marshall說。「蜜蜂的 飛行行為對空間頻率和對比度表 現出很強的強健性，所以肯定還有 其 他 原 因 。」
真實世界的機器人技術
Marshall在他的演講中解 在現實世界中有效嗎?Opteran
2022年11月 | www.eettaiwan.com
Z
