스파이킹 신경망(Spiking Neural Network)은 핀볼을 할 수 있을까? 표적 추적을 위한 뉴로모픽 모션 검출기
Can Spiking Neural Networks play pinball? A neuromorphic motion detector for target tracking
생물학적 시각 시스템은 희소하고 비동기적인 스파이킹 신호를 처리함으로써 연속적이고 지연시간이 낮은 모션 인지(motion perception)를 달성하며, 이를 통해 엄격한 에너지 제약 하에서도 실시간 추적을 가능하게 한다. 포유류의 망막에서 영감을 받은 이벤트 기반 카메라(event-based camera)는 국소적인 밝기 변화만을 비동기 이벤트로 포착함으로써 이러한 효율성을 재현하며, 스파이킹 신경망(SNN)이 연산을 병렬화하고 빠르게 변화하는 장면에 적응할 수 있는 자연스러운 기반을 제공한다. 핀볼(pinball)은 작고 빠르게 움직이는 타깃에 대한 정밀한 모션 추정과 신속한 반응을 요구하는, 통제되면서도 동적인 테스트베드를 제공한다. 본 연구는 폐루프(closed-loop) 핀볼 게임플레이를 위한 완전한 스파이킹 기반의 실시간 인지-행동(perception-to-action) 파이프라인을 제시한다. 동적 비전 센서(dynamic vision sensor)가 작고 빠르게 움직이는 공을 관측하며, SpiNNaker 뉴로모픽 플랫폼 상의 스파이킹 시간차 인코더(Time-Difference Encoder) 네트워크가 공의 위치, 속도, 방향을 공동으로 추정한다. 이 시스템은 실시간 동작을 위해 수용장(receptive field) 크기, 누적 윈도우(accumulation window), 각도 튜닝 폭(angular tuning width)을 기준으로 특성화되며, 물리적 사실성이 점차 높아지는 두 가지 플리퍼(flipper) 체제(regime)에서 인간 플레이어를 상대로 폐루프 방식으로 벤치마킹된다. 이 시스템은 56.1%의 적중률(hit rate)을 달성하는데, 이는 인간 평균의 거의 두 배에 해당하며, 21.7ms(네트워크 지연시간 5ms) 이내에 반응하고 25,000개 미만의 뉴런을 사용하여 약 148 μW를 소비함으로써, 벤치마킹된 이벤트 기반 폐루프 시연 시스템 중 가장 빠르고 가장 에너지 효율적인 축에 속한다. 보다 사실적인 플리퍼 역학(dynamics) 하에서는, 해석 가능한 단일 정책 매개변수(policy parameter)를 조정하는 것만으로 인지 파이프라인의 변경 없이 신중한 플레이 스타일부터 공격적인 플레이 스타일에 이르는 인간 플레이 스타일의 전체 스펙트럼을 재현한다. 실제 공을 추적하고 실제 플리퍼를 폐루프 방식으로 구동하는 물리적 시연 장치(physical demonstrator)는 이 원리가 시뮬레이션을 넘어서도 작동함을 확인시켜 준다. 완전한 스파이킹 기반의, 학습이 필요 없는(learning-free) 설계는 실시간 뉴로모픽 인지-행동의 소형이면서 에너지 효율적인 사례를 제공한다.