迈向仿生视觉导航：面向微型飞行器的神经形态导航范式

基于摘要分析。本文研究复杂环境中微型飞行器（MAV）的视觉导航，提出整合事件视觉、脉冲神经网络与神经形态处理器的端到端事件驱动导航范式，目标是在维持导航能力的同时降低能耗。主要研究对象是自主飞行机器人，而非 EEG 解码或 BCI。 方法首先通过脉冲感知表征模块从事件流中提取环境表征，再输入脉冲导航模块；后者结合 guidance learning 与群体编码，以较少时间步进行策略学习，输出航路点并转换为可执行的轨迹点。作者将覆盖感知、导航与部署的完整系统作为贡献，并声称这是面向复杂环境 MAV 视觉导航的首个端到端事件驱动神经形态范式；其首创性尚未独立核实。 作者报告，该方法在模拟与真实环境部署中取得与基于人工神经网络（ANN）的方法相当的导航表现。功耗对照方面，作者报告脉冲感知模块功耗为对应 ANN 模块的 19.57%；部署于 Intel Loihi 的脉冲导航模块，功耗为运行于 NVIDIA Orin NX 的对应 ANN 模块的 12.37%。后一比较同时涉及不同计算模型与硬件平台，不能据此单独归因于脉冲算法本身，也不能将模块功耗比例等同于整机节能比例。 摘要未提供具体导航指标、场景与划分、试验次数、时间步数量、训练目标及 guidance learning 的实现细节。功耗测量是否包含传感器、数据传输和轨迹执行等环节，以及对照配置、实验协议、消融及统计信息，均尚未验证。其事件流表征与脉冲计算是否适用于 EEG/BCI 尚无材料支持，已有相关工作亦尚未检索确认。