Mokslininkai naudojo neuromorfinį skaičiavimą, kad robotai mokytųsi naujų objektų po to, kai jie buvo dislokuoti. Tiems, kurie nežino, neuromorfiniai skaičiavimai atkartoja žmogaus smegenų nervinę struktūrą, kad sukurtų algoritmus, galinčius susidoroti su gamtos pasaulio netikrumu. „Intel Labs“ sukūrė vieną žymiausių architektūrų šioje srityje: Loihi neuromorfinį lustą.
„Loihi“ sudaro maždaug 130 XNUMX dirbtinių neuronų, kurie siunčia informaciją vienas kitam per „spiking“ neuronų tinklą (SNN). Lustai jau maitino daugybę sistemų – nuo išmaniosios dirbtinės odos iki elektroninės „nosies“, kuri aptinka sprogmenų kvapus.
„Intel Labs“ šią savaitę pristatė kitą programą. Mokslinių tyrimų padalinys kartu su Italijos technologijos institutu ir Miuncheno technikos universitetu įgyvendino Loihi naują požiūrį į mokymąsi visą gyvenimą robotikos srityje. Metodas skirtas sistemoms, kurios sąveikauja su neapribotomis aplinkomis, pavyzdžiui, būsimiems sveikatos priežiūros ir gamybos robotų padėjėjams.
Esami gilieji neuroniniai tinklai gali kovoti su objektais pagal šiuos scenarijus, nes jiems reikia daug gerai parengtų mokymo duomenų ir daug perkvalifikuoti naujus objektus, su kuriais jie susiduria. Šiuos apribojimus siekiama įveikti nauju neuromorfiniu metodu.
Tyrėjai SNN pirmą kartą taikė Loihi. Ši architektūra lokalizuoja mokymąsi viename plastikinių sinapsių sluoksnyje. Taip pat atsižvelgiama į įvairių tipų objektus, pridedant naujų neuronų pagal poreikį. Todėl bendraujant su vartotoju mokymosi procesas klostosi autonomiškai.
Komanda išbandė savo požiūrį imituotoje 3D aplinkoje. Šioje sąrankoje robotas aktyviai jaučia objektus judindamas kamerą, kuri veikia kaip akys. Kameros jutiklis „mato“ objektus taip, kaip įkvėptas mažų fiksuojamųjų akių judesių, vadinamų „mikrosakkadomis“. Jei objektas, kurį jis mato, yra naujas, SNN vaizdavimas išmokamas arba atnaujinamas. Jei objektas yra žinomas, tinklas jį atpažįsta ir pateikia grįžtamąjį ryšį vartotojui.
Komanda teigia, kad jų metodui reikia 175 kartus mažiau energijos, kad būtų užtikrintas panašus arba geresnis greitis ir tikslumas nei įprastiems procesoriais pagrįstiems metodams. Dabar jiems reikia išbandyti savo algoritmą realiame pasaulyje su tikrais robotais.
„Mūsų tikslas – būsimiems robotams, kurie dirbs interaktyvioje aplinkoje, pritaikyti panašias galimybes, kurios leis jiems prisitaikyti prie nenumatytų aplinkybių ir dirbti natūraliau kartu su žmonėmis“, – sakė vyresnioji tyrimo autorė Yuliya Sandamyrska.
Jūs galite padėti Ukrainai kovoti su rusų įsibrovėliais, geriausias būdas tai padaryti – aukoti lėšas Ukrainos ginkluotosioms pajėgoms per Išgelbėk gyvybę arba per oficialų puslapį NBU.
Taip pat įdomu:
- „Google“ robotai tampa vis labiau panašūs į žmones ir atlieka sudėtingas užduotis
- Nauja medžiaga leis robotams jausti prisilietimą