Учените са използвали невроморфно изчисление, за да накарат роботите да учат нови обекти, след като са били разгърнати. За тези, които не знаят, невроморфното изчисление възпроизвежда невронната структура на човешкия мозък, за да създаде алгоритми, които могат да се справят с несигурността на естествения свят. Intel Labs разработи една от най-забележителните архитектури в областта: невроморфният чип Loihi.
Loihi се състои от приблизително 130 XNUMX изкуствени неврони, които изпращат информация един към друг чрез "пик" невронна мрежа (SNN). Чиповете вече захранват редица системи - от интелигентна изкуствена кожа до електронен "нос", който открива миризмите на експлозиви.
Intel Labs разкри друга програма тази седмица. Изследователският отдел се обедини с Италианския технологичен институт и Техническия университет в Мюнхен, за да внедри Loihi в нов подход към ученето през целия живот в роботиката. Методът е насочен към системи, които взаимодействат с неограничени среди, като бъдещи роботи-асистенти за здравеопазването и производството.
Съществуващите дълбоки невронни мрежи могат да се борят с обекти в тези сценарии, тъй като те изискват големи, добре обучени данни за обучение и обширно повторно обучение за нови обекти, които срещат. Нов невроморфен подход има за цел да преодолее тези ограничения.
Изследователите прилагат SNN към Loihi за първи път. Тази архитектура локализира обучението в един слой от пластмасови синапси. Той също така взема предвид различни видове обекти, добавяйки нови неврони при поискване. В резултат на това процесът на обучение се развива автономно при взаимодействие с потребителя.
Екипът тества своя подход в симулирана 3D среда. В тази настройка роботът активно усеща обекти, като движи камера, която действа като очи. Сензорът на камерата „вижда“ обекти по начин, вдъхновен от малки фиксиращи движения на очите, наречени „микросакади“. Ако обектът, който вижда, е нов, SNN представянето се научава или актуализира. Ако обектът е известен, мрежата го разпознава и предоставя обратна връзка на потребителя.
Екипът казва, че техният метод изисква 175 пъти по-малко енергия, за да осигури подобна или по-добра скорост и точност от конвенционалните методи, базирани на процесора. Сега те трябва да тестват своя алгоритъм в реалния свят с истински роботи.
„Нашата цел е да приложим подобни способности към бъдещи роботи, които ще работят в интерактивна среда, което ще им позволи да се адаптират към непредвидени обстоятелства и да работят по-естествено заедно с хората“, каза главният автор на изследването Юлия Сандамирска.
Можете да помогнете на Украйна да се бори срещу руските нашественици, най-добрият начин да направите това е да дарите средства на въоръжените сили на Украйна чрез Savelife или през официалната страница НБУ.
Също интересно:
- Роботите на Google все повече приличат на хора и изпълняват сложни задачи
- Новият материал ще позволи на роботите да усещат допир