Neuromimetic connectionist model for the embedded visual perception of motion
Modèle connexionniste neuromimétique pour la perception visuelle embarquée du mouvement
Résumé
The connectionist research is in front of the strong constraints of autonomy in robotics issue of visual perceptive tasks that have not yet been satisfied by the neural models defined until now, particularly to the linked to motion perception ones. In this context, we propose a neuromimetic connectionist model allowing to deal with a set of tasks for dynamic visual perception (robot/objects in movement). It implies the compromise to satisfy some major constraints (bio-inspiration, massively distributed local processing aimed at being embedded on FPGA circuits for real-time processing) that must be kept central in the definition of our proposed model, in spite of the complexity of the considered tasks. Our connectionist model for the visual perception of motion consists of three modules : the first one performs a causal spatio temporal filtering based on Gabor filters and inspired by the responses of the simple cells of the primary visual cortex, V1. The second one carries out a distributed mechanism using strong localized interactions based on an antagonist principle inspired by the organization of V1 as a set of orientation columns. Finally, we integrate the responses of the second module and we send them to the third one, as inspired by the properties of the receptive fields of the MT and MST (middle temporal and middle superior temporal areas, respectively). This last module brings to the foreground a single moving object through the evolution in different maps of the laterals, feed-forward and feed-back interactions of a neural population that is densely interconnected according to the principle of the CNFT (Continuum Neural Field Theory). Globally, a single moving object is focused and followed as a result of these interactions.
Le recherche en connexionnisme est en face des fortes contraintes d'autonomie en robotique notamment issues des tâches perceptives visuelles qui n'ont pas encore été satisfaites par les modèles neuronaux utilisés jusqu'à aujourd'hui, surtout celles liées à la perception du mouvement. Dans ce cadre, nous proposons un modèle connexionniste neuromimétique permettant de traiter un ensemble de tâches de perception visuelle dynamique (robot/objets environnants en mouvement). Cela implique le compromis de maintenir la satisfaction des contraintes (bio-inspiration, traitements locaux massivement distribués en vue d'une implantation ultérieure temps-réel embarquée sur circuit FPGA, Field Programmable Gate Array) au coeur de la définition du modèle proposé, malgré la complexité des tâches en jeu. Le modèle connexionniste proposé pour la perception visuelle du mouvement est constitué de trois modules : le premier opère un filtrage spatio-temporel causal issu des filtres de Gabor et inspiré des réponses des cellules simples du cortex visuel primaire, V1. Le deuxième met en place un mécanisme distribué de fortes interactions localisées fondé sur un principe antagoniste inspiré de l'organisation en colonnes d'orientation dans V1. Finalement, en nous inspirant des propriétés des champs récepteurs des neurones de MT et MST (aire temporelle moyenne et supérieur moyenne, respectivement), nous intégrons les réponses du second module et les envoyons au troisième. Ce dernier fait émerger un seul objet en mouvement à travers l'évolution en différentes cartes des interactions latérales, en pro-action et en retro-action d'une population neuronale densément interconnectée selon le principe de la CNFT (Continuum Neural Field Theory). L'attention sur l'objet émergé nous permet donc de le suivre.