В работе предложен новый способ для решения задачи стабилизации обратного маятника с использованием спайковых (SNN) нейронных сетей. Разработан демонстратор на основе гироскутера и выполнено сравнение предложенного метода с решением на традиционных (ANN) нейронных сетях. Исследование включает моделирование динамики системы, обучение агентов с подкреплением на основе ANN и их последующую конвертацию в SNN, а также прямое обучение SNN. Основными критериями сравнения являются качество управления, вычислительная сложность и энергоэффективность. Показано, что SNN демонстрируют сопоставимое с ANN качество управления при существенно более низкой оценке энергопотребления, что делает их перспективной технологией для embedded-систем и робототехники.