科学者はニューロモーフィック コンピューティングを使用して、ロボットが展開された後も新しいオブジェクトを学習し続けました。 知らない人のために説明すると、ニューロモーフィック コンピューティングは、人間の脳の神経構造を複製して、自然界の不確実性に対処できるアルゴリズムを作成します。 Intel Labs は、この分野で最も注目すべきアーキテクチャの つである Loihi ニューロモーフィック チップを開発しました。
Loihi は、「スパイキング」ニューラル ネットワーク (SNN) を介して互いに情報を送信する約 130 の人工ニューロンで構成されています。 このチップは、スマートな人工皮膚から爆発物の匂いを検出する電子「鼻」まで、すでにさまざまなシステムを動かしています。
Intel Labs は今週、別のプログラムを発表しました。 この研究ユニットは、イタリア工科大学およびミュンヘン工科大学と協力して、ロボット工学における生涯学習への新しいアプローチで Loihi を実装しました。 この方法は、医療や製造のための将来のロボットアシスタントなど、無限の環境と相互作用するシステムを対象としています。
既存のディープ ニューラル ネットワークは、これらのシナリオのオブジェクトに苦労する可能性があります。これは、十分にトレーニングされた大規模なトレーニング データと、遭遇した新しいオブジェクトに対する広範な再トレーニングが必要になるためです。 新しいニューロモルフィック アプローチは、これらの制限を克服することを目指しています。
研究者は SNN を Loihi に初めて適用しました。 このアーキテクチャは、学習をプラスチック シナプスの単一層にローカライズします。 また、さまざまなタイプのオブジェクトを考慮して、必要に応じて新しいニューロンを追加します。 その結果、学習プロセスは、ユーザーと対話するときに自律的に展開されます。
チームは、シミュレートされた 3D 環境でアプローチをテストしました。 このセットアップでは、ロボットは目として機能するカメラを動かすことで、オブジェクトをアクティブに感知します。 カメラセンサーは、「マイクロサッケード」と呼ばれる小さな固視眼球運動に触発された方法で物体を「見る」。 認識したオブジェクトが新しい場合、SNN 表現が学習または更新されます。 オブジェクトが既知の場合、ネットワークはそれを認識し、ユーザーにフィードバックを提供します。
チームは、彼らの方法が、従来の CPU ベースの方法と同等またはそれ以上の速度と精度を提供するために必要な電力が 175 分の であると述べています。 次に、実際のロボットを使用して、現実の世界でアルゴリズムをテストする必要があります。
「私たちの目標は、インタラクティブな環境で動作する将来のロボットに同様の機能を適用することです。これにより、予測できない状況に適応し、人々とより自然に連携できるようになります。」
ウクライナがロシアの侵略者と戦うのを助けることができます。これを行う最善の方法は、ウクライナ軍に資金を寄付することです。 セーブライフ または公式ページから NBU.
また興味深い：