LEARNING开放获取
具身神经计算：一种与缩放任务驱动验证接口的生物神经培养框架
Johnson Zhou, Daniel Tanneberg, Forough Habibollahi, Alon Loeffler, Kiaran Lawson, Valentina Baccetti, Kwaku Dad Abu-Bonsrah, Candice Desouza, Finn Doensen, Bradley Watmuff, Daria Kornienko, Azin Azadi, Justin Leigh Bourke, Bernhard Sendhoff, Brett J. Kagan
2026
摘要
本文提出了一种具身神经计算框架，用于优化生物神经网络与硅计算接口之间的编码/解码机制。通过大规模参数优化，在模拟网格世界中评估了约1300种参数组合，识别出12种能够持续学习气味梯度导航的配置。
关键词
embodied neurocomputationbiological neural networksencoding/decodingclosed-loop navigationparameter optimization
相关论文
LEARNING
开放获取📊 1 引用
面向学习与规划的并行可微可达性：具有认证神经动力学与控制器的系统
Keyi Shen, Glen Chou
2026
LEARNING
📊 0 引用
人工智能增强的智能焊接岛：基础模型革新制造业
Xiwei Wu, Wei Wu, Qiqi Chen 等 9 位作者
Robotics and Computer-Integrated Manufacturing · 2026
LEARNING
📊 0 引用
基于深度强化学习和动态图神经网络的多任务机器人调度代理
Hedi Boukamcha, Anas Neumann, Monia Rekik 等 6 位作者
Robotics and Computer-Integrated Manufacturing · 2026
LEARNING
📊 0 引用
基于微调与AAS增强检索的LLM驱动自动化DFA评估
Jiaxin Liu, Xiaofeng Zhou, Suyang Yu 等 8 位作者
Robotics and Computer-Integrated Manufacturing · 2026