본 논문은 생물학적 원리를 모방한 뉴로모픽 시스템에서 효율적인 공간 항법을 구현하는 것을 목표로 한다. 특히, 생물학적 영감을 받은 스파이킹 신경망에서 역추적 및 모호성 처리와 같은 핵심 연산을 구현하는 문제에 초점을 맞추고 있다. 이는 스파이킹 계층적 시간 기억(S-HTM)의 기존 재생 메커니즘을 스파이크 시간 의존적 역치 적응(STDTA)으로 확장하여 임의의 단방향 스파이킹 뉴런 그래프에서 활동 역추적 메커니즘을 제안한다. 또한, 모호성이 적은 환경에서 위치를 식별하는 모호성 의존적 역치 적응(ADTA)을 제시하여 에이전트의 위치 추정을 향상시킨다. 결과적으로, 이러한 방법들을 결합하여 모호하지 않은 목표 지점으로 가는 최단 경로를 효율적으로 식별할 수 있다. 실험 결과, 순차적으로 학습된 네트워크는 목표 지점에 도달하는 데 필요한 단계보다 적은 재생을 통해 신뢰할 수 있게 최단 경로를 계산하는 것을 보여준다. 또한, 여러 유사한 환경에서 모호성이 감소된 위치를 식별할 수 있음을 보여준다. 이러한 기여는 S-HTM과 같은 생물학적으로 영감을 받은 순차 학습 알고리즘의 뉴로모픽 위치 인식 및 항법 분야에 대한 실용적 적용을 발전시킨다.
