多室脉冲世界模型

长序记忆决策

通过多树突非线性整合实现脉冲网络的长程时间依赖建模，在连续控制任务中达到与GRU世界模型相当的性能。

Sun, Yinqian · Zhao, Feifei · 曾一

Proceedings of the National Academy of Sciences of the United States of America 2025

技术优势

长序记忆更强

通过多室神经元的树突非线性整合机制，模型能有效处理长序列依赖，避免普通脉冲神经元在长时间跨度上的信息遗忘。

性能追平ANN

在DeepMind Control Suite上，本模型性能优于现有SNN模型，并达到与基于GRU的人工神经网络世界模型相当的水平。

应用场景

• 具身智能决策：在仿真环境中预演未来轨迹，提高样本效率与长程规划。
• 机器人控制：作为世界模型学习环境动力学，支持机器人策略的高效训练。
• 神经形态计算：全脉冲网络实现，适合在神经形态硬件上低功耗部署。