无人机类脑吸引子神经网络导航技术

刘建业，杨 闯，熊 智，赖际舟，熊 骏

(1. 南京航空航天大学导航研究中心，南京 211106；2. 先进飞行器导航、控制与健康管理工业和信息化部重点实验室，南京 211106；3. 卫星通信与导航江苏高校协同创新中心，南京 210016)

0 引言

即时定位与地图构建(Simultaneous localiza-tion and mapping，SLAM)是无人机在非结构化或未知复杂环境下自主导航与定位的主要方式之一[1]。现有的无人机SLAM存在如下问题：在配备惯性、卫星、测距等基本导航传感器的基础上，还需配备较高精度昂贵的激光雷达和视觉等环境感知传感器；主要采用概率方法解决建图和定位问题，需建立精确世界和无人机物理模型；受环境影响较大，在光照较强(弱)、图像纹理丰富度低、粉尘等恶劣环境下较难正常工作(典型的例子如特斯拉无人驾驶事故)；无法自主智能应对未知复杂环境，需要发展复杂环境下的新型导航方式。

相比上述无人机SLAM问题，动物(人)在不具备高精度感觉器官和高分辨率地图的情况下仍然能够准确快速进行定位与导航，这种能力如此简单和自然，一直是该领域研究者持续关注的问题之一。随着大鼠等哺乳动物大脑海马区中与认知导航相关的位置细胞、头朝向细胞、网格细胞以及边界细胞等几种关键导航细胞的陆续发现，对深入理解哺乳动物(人)的大脑导航机理提供了可能。受这些机理启发，近年来基于人工智能的类脑导航技术得到了较大发展[2]，为解决上述SLAM问题提供了一条新思路。

当前，类脑导航技术主要有五种类型：吸引子神经网络型[3]、深度学习型[4]、脉冲神经网络型[5]、振荡相干型[6]和贝叶斯推理型[7]。……