과학자들은 뉴로모픽 컴퓨팅을 사용하여 로봇이 배치된 후 새로운 물체를 계속 학습하도록 했습니다. 모르는 사람들을 위해 뉴로모픽 컴퓨팅은 인간 두뇌의 신경 구조를 복제하여 자연 세계의 불확실성을 처리할 수 있는 알고리즘을 만듭니다. Intel Labs는 이 분야에서 가장 주목할만한 아키텍처 중 하나인 Loihi 뉴로모픽 칩을 개발했습니다.
Loihi는 "스파이킹" 신경망(SNN)을 통해 서로 정보를 보내는 약 130개의 인공 뉴런으로 구성됩니다. 이 칩은 이미 스마트 인공 피부에서 폭발물의 냄새를 감지하는 전자 "코"에 이르기까지 다양한 시스템에 전력을 공급했습니다.
Intel Labs는 이번 주에 또 다른 프로그램을 발표했습니다. 연구 부서는 이탈리아 공과 대학 및 뮌헨 공과 대학과 협력하여 로봇 공학의 평생 학습에 대한 새로운 접근 방식으로 Loihi를 구현했습니다. 이 방법은 의료 및 제조를 위한 미래 로봇 도우미와 같은 무한한 환경과 상호 작용하는 시스템을 목표로 합니다.
기존의 심층 신경망은 잘 훈련된 대규모 훈련 데이터와 마주치는 새로운 객체에 대한 광범위한 재훈련이 필요하기 때문에 이러한 시나리오에서 객체로 어려움을 겪을 수 있습니다. 새로운 뉴로모픽 접근법은 이러한 한계를 극복하는 것을 목표로 합니다.
연구원들은 처음으로 Loihi에 SNN을 적용했습니다. 이 아키텍처는 학습을 플라스틱 시냅스의 단일 레이어에 국한합니다. 또한 다양한 유형의 객체를 고려하여 필요에 따라 새로운 뉴런을 추가합니다. 결과적으로 학습 프로세스는 사용자와 상호 작용할 때 자율적으로 전개됩니다.
팀은 시뮬레이션된 3D 환경에서 접근 방식을 테스트했습니다. 이 설정에서 로봇은 눈 역할을 하는 카메라를 움직여 물체를 능동적으로 감지합니다. 카메라 센서는 "microsaccades"라고 불리는 작은 고정 안구 움직임에서 영감을 받은 방식으로 물체를 "본다". 새로운 객체인 경우 SNN 표현을 학습하거나 업데이트합니다. 객체가 알려지면 네트워크는 이를 인식하고 사용자에게 피드백을 제공합니다.
팀은 그들의 방법이 기존의 CPU 기반 방법보다 비슷하거나 더 나은 속도와 정확도를 제공하기 위해 175배 적은 전력을 필요로 한다고 말합니다. 이제 그들은 실제 로봇으로 실제 세계에서 알고리즘을 테스트해야 합니다.
연구의 수석 저자인 Yuliya Sandamyrska는 "우리의 목표는 상호작용 환경에서 작동할 미래 로봇에 유사한 기능을 적용하여 예상치 못한 상황에 적응하고 사람들과 보다 자연스럽게 협력할 수 있도록 하는 것"이라고 말했습니다.
우크라이나가 러시아 침략자들과 싸우는 것을 도울 수 있습니다. 가장 좋은 방법은 다음을 통해 우크라이나 군대에 기금을 기부하는 것입니다. 세이브라이프 또는 공식 페이지를 통해 NBU.
또한 흥미로운: