Научниците користеа невроморфно пресметување за да ги задржат роботите да учат нови објекти откако ќе бидат распоредени. За оние кои не знаат, невроморфното пресметување ја реплицира нервната структура на човечкиот мозок за да создаде алгоритми кои можат да се справат со неизвесностите на природниот свет. Интел Лабс разви една од најзабележителните архитектури во оваа област: невроморфниот чип Loihi.
Лоихи се состои од приближно 130 вештачки неврони кои испраќаат информации еден до друг преку „шик“ невронска мрежа (SNN). Чиповите веќе напојуваа низа системи, од паметна вештачка кожа до електронски „нос“ што ги детектира мирисите на експлозиви.
Интел Лабс претстави уште една програма оваа недела. Истражувачката единица се здружи со Италијанскиот институт за технологија и Техничкиот универзитет во Минхен за да го имплементира Лоихи во нов пристап кон доживотното учење во роботиката. Методот е насочен кон системи кои комуницираат со неограничени средини, како што се идните роботски асистенти за здравствена заштита и производство.
Постоечките длабоки невронски мрежи можат да се борат со објектите во овие сценарија, бидејќи бараат големи добро обучени податоци за обука и обемна преквалификација за нови објекти со кои ќе се сретнат. Новиот невроморфен пристап има за цел да ги надмине овие ограничувања.
Истражувачите го примениле SNN на Лоихи за прв пат. Оваа архитектура го локализира учењето на еден слој пластични синапси. Исто така, зема предвид различни типови на објекти, додавајќи нови неврони на барање. Како резултат на тоа, процесот на учење се одвива автономно при интеракција со корисникот.
Тимот го тестираше нивниот пристап во симулирана 3Д средина. Во ова поставување, роботот активно ги чувствува предметите со поместување на камерата што делува како очи. Сензорот на камерата „гледа“ предмети на начин инспириран од мали фиксирачки движења на очите наречени „микросакади“. Ако објектот што го гледа е нов, претставувањето на SNN се учи или ажурира. Ако објектот е познат, мрежата го препознава и дава повратна информација до корисникот.
Тимот вели дека нивниот метод бара 175 пати помалку енергија за да обезбеди слична или подобра брзина и прецизност од конвенционалните методи базирани на процесорот. Сега треба да го тестираат својот алгоритам во реалниот свет со вистински роботи.
„Нашата цел е да примениме слични способности на идните роботи кои ќе работат во интерактивна средина, што ќе им овозможи да се прилагодат на непредвидени околности и да работат поприродно заедно со луѓето“, рече постарата авторка на студијата Јулија Сандамирска.
Можете да и помогнете на Украина да се бори против руските напаѓачи, најдобар начин да го направите ова е да донирате средства за вооружените сили на Украина преку Савелифе или преку официјалната страница Bвезди.
Исто така интересно:
- Роботите на Google стануваат сè почовечки и извршуваат сложени задачи
- Новиот материјал ќе им овозможи на роботите да чувствуваат допир