Brain-inspired SLAM

哺乳动物可以找到食物，回到它们的巢穴，并利用它们的导航能力找到社会伴侣。随着对大脑神经机制的发现和认识的提高，一些导航神经网络模型已被开发并应用于二维区域的机器人导航。例如，开发了头部方向单元和位置单元的导航计算模型，该模型部署在Khepera机器人上，在一个小的2D区域内运行(Arleo和Gerstner 2000)。此外，Barrera和Weitzenfeld(2008)开发了具有空间导航能力的机器人架构。为了支持大规模的持续导航和绘图，开发了一种受生物启发的SLAM模型，称为RatSLAM (Milford et al. 2004;米尔福德和惠氏2008年，2010年)。这个模型松散地模仿了啮齿类动物的部分大脑。RatSLAM已经成功地在2D地图上绘制了整个郊区，并在2D办公环境中导航了两周。

近年来，基于RatSLAM模型的扩展方法得到了发展，如BatSLAM (Steckel和Peremans 2013)利用声纳传感模态。Tang等人(2018)集成了一个情景记忆模块来处理导航任务中的上下文。Milford等(2011a)和Milford等(2011b)在不改变RatSLAM核心模型的前提下，对视觉系统进行了改进，解决了2.5D环境下的SLAM问题。Silveira et al.(2013)和Silveira et al.(2015)通过使用3D place cell模型扩展RatSLAM模型，探索了三维水下环境中的SLAM问题，但它们并未表示度量和方向信息。

此外，基于位置细胞(PC)、头向细胞(HDC)和网格细胞(GC)以及各种类型的神经网络，如连续吸引子神经网络(CANN)、深度神经网络(DNN)和spiking神经网络(SNN)，一些新的模型和方法已经被开发出来，如表3所示。有几种方法使用了新的传感器，如基于事件的相机和RGB-D传感器，以及神经形态硬件，如Kreiser等(2018a,b)。

许多方法的灵感来自于大脑的空间表现，已经开发了2D SLAM机器人。然而，基于哺乳动物大脑的三维空间神经表征，很少有人在具有挑战性的现实环境中解决3D SLAM的难题。直到最近，这种对2D的关注一定程度上是由于对3D导航下的神经基底的了解相对较少。然而，最近在飞行蝙蝠和人类大脑中发现的三维导航神经表征为建模者和机器人专家提供了一些新的灵感来源。在这篇论文中，我们着重于开发一个三维空间表现的神经模型，以便在三维环境中提供一个仿生的SLAM能力。