본 논문은 양안 시각 목표의 3차원 운동 정보를 인지하기 위한 네트워크를 훈련했습니다. 이 네트워크는 실시간 3차원 좌표, 속도 및 가속도를 제공하며 기본적인 시공간 인지 능력을 갖습니다. PID 관점에서 신경망의 비선형 문제 적합 능력을 이해하고, 단일 레이어 신경망을 2차 차분 방정식과 비선형성을 사용하여 지역 문제를 설명하는 것으로 간주했습니다. 다층 네트워크는 여러 조합을 통해 원시 표현을 원하는 표현으로 점진적으로 변환합니다. 상대적으로 작은 PID 컨볼루션 신경망을 설계했으며, 총 17개 레이어와 413,000개의 매개변수를 사용했습니다. 연결 및 풀링을 통해 간단하지만 실용적인 특징 재사용 방법을 구현했습니다. 시뮬레이션된 임의로 움직이는 공 데이터 세트를 사용하여 네트워크를 훈련 및 테스트한 결과, 예측 정확도는 입력 이미지 해상도가 나타낼 수 있는 상한에 근접했습니다. 실험 결과와 오류를 분석하고, 기존의 단점과 개선 가능한 방향을 제시했습니다. 마지막으로, 계산 효율성과 특징 공간 활용을 개선하는 데 있어서 고차원 컨볼루션의 장점, 그리고 PID 정보를 사용하여 메모리 및 어텐션 메커니즘을 구현할 수 있는 잠재적 장점에 대해 논의했습니다.
