npj Robotics专题征稿 | 简约自主机器人的神经形态计算

客座编辑

Nitin J. Sanket 教授是感知与自主小组 (PeAR) 的负责人，目前致力于为尺寸、重量、面积和功率或 SWAP 受限的微型移动机器人构建生物启发式人工算法。他从马里兰大学帕克分校感知与机器人小组 (PRG) 获得计算机科学博士学位。然后，他在马里兰大学担任临床助理教授。2022 年，他加入伍斯特理工研究所担任副教授，至今，他的团队致力于通过构建基于主动感知、交互式感知、新颖感知和新颖感知的算法，利用机载感知、感知和计算来提高微型移动机器人的自主性。他是 npj Robotics 的副主编，也是 IEEE Robotics and Automation Letters的副主编。Nitin 的兴趣在于构建算法框架，实现资源受限的小型移动机器人的自主性。他构建了计算模型，以感知和动作协同作用的方式，以生物启发的方式解决机器人问题。通过主动感知、交互式感知和被动计算，实现了以前认为不可能实现的规模的自主性。

Alessio Franci 是比利时列日大学电气工程与计算机科学系的教授，也是列日大学神经工程实验室的创始人之一。他还是 WEL 研究所 WEL-T 启动基金的获得者。Alessio 于 2008 年获得比萨大学理论物理学硕士学位，2012 年获得巴黎南第 11 大学物理学和控制理论博士学位。2012 年至 2015 年期间，他是列日大学和 INRIA Lille 的博士后研究员，以及剑桥大学的长期访问研究员。2015 年至 2022 年期间，他是墨西哥国立自治大学数学系的教授。他的研究重点是受大脑启发的计算和控制理论方法、神经形态工程、计算神经科学以及机器人技术和智能传感器和执行器设计的应用。

专题征稿

Neuromorphic Computing for Parsimonious Autonomous Robots

简约自主机器人的神经形态计算

扫码进入征稿页面

神经形态计算的灵感来自生物大脑的神经结构和功能，它正在彻底改变高效自适应计算系统的开发。在机器人技术领域，这种方法带来了范式转变，使人们能够创建创新的简约自主机器人——以最小的计算和能源开销完成复杂任务的机器。本系列探讨了神经形态计算在推进神经形态芯片、传感器融合、自主导航、神经结构和现实环境中的学习等关键领域的变革潜力。

神经形态系统与机器人技术的融合推动了节能硬件、实时处理和自适应学习算法的重大突破。这些创新有望让机器人不仅能够自主导航并与复杂环境互动，而且资源效率更高。随着该领域的不断成熟，它有望解锁下一代自主系统，为从环境探索到工业自动化等领域提供新功能。

本专刊欢迎大家投稿，探讨神经形态硬件、算法、传感器技术和实际应用方面的前沿发展，突破自主机器人的极限。本专刊欢迎以下方向的投稿：

• Neuromorphic Hardware for Autonomous Robots

• Neuromorphic Learning Algorithms

• Neuromorphic Sensor Integration

• Energy Efficiency in Neuromorphic Systems

• Neuromorphic Control and Actuation

• Autonomous Navigation with Neuromorphic Systems

• Brain-Inspired Decision-Making for Robots

• Swarm Robotics and Distributed Neuromorphic Systems

• Real-World Applications of Neuromorphic Robotics

• Benchmarking and Performance Evaluation of Neuromorphic Robots

点击“阅读原文”，访问征稿页面