Para ilmuwan menggunakan komputasi neuromorfik untuk membuat robot mempelajari objek baru setelah mereka digunakan. Bagi mereka yang tidak tahu, komputasi neuromorfik mereplikasi struktur saraf otak manusia untuk membuat algoritme yang dapat menangani ketidakpastian dunia alami. Intel Labs telah mengembangkan salah satu arsitektur paling terkenal di bidangnya: chip neuromorfik Loihi.
Loihi terdiri dari sekitar 130 neuron buatan yang mengirim informasi satu sama lain melalui jaringan saraf "spiking" (SNN). Chip tersebut telah mendukung berbagai sistem, mulai dari kulit buatan yang cerdas hingga "hidung" elektronik yang mendeteksi bau bahan peledak.
Intel Labs meluncurkan program lain minggu ini. Unit penelitian bekerja sama dengan Institut Teknologi Italia dan Universitas Teknik Munich untuk menerapkan Loihi dalam pendekatan baru untuk pembelajaran seumur hidup dalam robotika. Metode ini ditujukan untuk sistem yang berinteraksi dengan lingkungan tak terbatas, seperti asisten robot masa depan untuk perawatan kesehatan dan manufaktur.
Jaringan saraf dalam yang ada dapat berjuang dengan objek dalam skenario ini, karena mereka membutuhkan data pelatihan besar yang terlatih dan pelatihan ulang ekstensif pada objek baru yang mereka temui. Pendekatan neuromorfik baru bertujuan untuk mengatasi keterbatasan ini.
Para peneliti menerapkan SNN ke Loihi untuk pertama kalinya. Arsitektur ini melokalisasi pembelajaran ke satu lapisan sinapsis plastik. Ini juga memperhitungkan berbagai jenis objek, menambahkan neuron baru sesuai permintaan. Akibatnya, proses pembelajaran terungkap secara mandiri ketika berinteraksi dengan pengguna.
Tim menguji pendekatan mereka dalam lingkungan 3D simulasi. Dalam pengaturan ini, robot secara aktif merasakan objek dengan menggerakkan kamera yang berfungsi sebagai mata. Sensor kamera "melihat" objek dengan cara yang terinspirasi oleh gerakan mata fiksatif kecil yang disebut "microsaccades." Jika objek yang dilihatnya baru, representasi SNN dipelajari atau diperbarui. Jika objek diketahui, jaringan mengenalinya dan memberikan umpan balik kepada pengguna.
Tim mengatakan metode mereka membutuhkan daya 175 kali lebih sedikit untuk memberikan kecepatan dan akurasi yang serupa atau lebih baik daripada metode berbasis CPU konvensional. Sekarang mereka perlu menguji algoritme mereka di dunia nyata dengan robot sungguhan.
"Tujuan kami adalah untuk menerapkan kemampuan serupa pada robot masa depan yang akan bekerja dalam lingkungan interaktif, yang memungkinkan mereka beradaptasi dengan keadaan yang tidak terduga dan bekerja lebih alami bersama manusia," kata penulis senior studi Yuliya Sandamyrska.
Anda dapat membantu Ukraina melawan penjajah Rusia, cara terbaik untuk melakukannya adalah dengan menyumbangkan dana ke Angkatan Bersenjata Ukraina melalui selamatkan hidup atau melalui halaman resmi NBU.
Juga menarik:
- Robot Google menjadi semakin mirip manusia dan melakukan tugas-tugas kompleks
- Materi baru akan memungkinkan robot merasakan sentuhan