灵长类动物自由活动中的视觉行为研究：创新眼动追踪系统的开发与应用 学术背景 视觉系统是灵长类动物神经系统中最被深入研究的领域之一，尤其是在大脑皮层中的视觉通路机制方面。然而，目前关于灵长类动物在真实世界环境中自由活动和探索时的视觉功能的研究却非常有限。这一研究空白主要是由于缺乏能够在自由活动的个体中精确、快速、高分辨率地追踪眼动轨迹的技术。传统的研究方法通常需要在实验室环境中对动物进行头部固定，这限制了对动物在自然行为中视觉系统的理解。因此，开发一种能够在不限制动物自由活动的情况下精确记录眼动轨迹的技术，成为了一个重要的研究方向。 论文来源 这篇题为“Active vision in freely moving marmosets using head-mounted eye trackin...

神经生理学研究：工作记忆任务中方位辨别的神经生理学研究 研究背景 识别和记忆环境的空间方位 (orientation) 是视觉空间行为的重要组成部分。准确存储和回忆这些信息有助于我们在空间中定位，并对快速变化做出适应性反应。然而，尽管方位记忆在文献中有着广泛的研究，这些研究主要集中在早期视觉区通过功能性磁共振成像 (fMRI) 来维持对刺激的精确描述。同时，也有关于额叶新皮质中个别亚区参与其中的零星信息。但在当前环境变化和记忆中的方位信息进行比较的阶段，尚缺乏系统的研究。认识这种操作的机制不仅对于理解视觉系统识别视觉环境基本特征的快速变化至关重要，还能揭示维持这些信息稳定性的大脑参考系统。 研究来源 该研究论文题为《Neurophysiological Study of Orientatio...

具备完全神经形态视觉与控制的自动驾驶飞行器 背景与研究动机 过去十年间，深度人工神经网络（ANNs）在人工智能领域取得了巨大进步，特别是在视觉处理方面。然而，这些先进的视觉处理技术在实现高精确度的同时，往往需要大量且耗能的计算资源，这使得其在小型飞行机器人等资源受限的情况下难以应用。 针对这一问题，神经形态硬件通过模仿生物大脑的稀疏、异步特性，实现了更高效的感知与处理能力。在机器人领域，神经形态硬件中的事件驱动相机和脉冲神经网络（SNNs）具有低延迟、低能耗的潜力。然而，当前嵌入式神经形态处理器的限制和脉冲神经网络训练的挑战使得这些技术主要应用于低维度的感知和动作任务。 为解决这些问题，本文展示了一个全神经形态的视觉到控制的流水线，用于控制飞行中的无人机。具体而言，我们训练了一个脉冲神经网络...