Forskere brukte nevromorf databehandling for å få roboter til å lære nye objekter etter at de ble distribuert. For de som ikke vet det, replikerer nevromorfisk databehandling den nevrale strukturen til den menneskelige hjernen for å lage algoritmer som kan håndtere usikkerheten i den naturlige verden. Intel Labs har utviklet en av de mest bemerkelsesverdige arkitekturene på feltet: Loihi nevromorfe brikke.
Loihi består av omtrent 130 XNUMX kunstige nevroner som sender informasjon til hverandre via et "spikende" nevralt nettverk (SNN). Brikkene har allerede drevet en rekke systemer, fra smart kunstig hud til en elektronisk "nese" som oppdager lukten av eksplosiver.
Intel Labs avduket et nytt program denne uken. Forskningsenheten slo seg sammen med det italienske teknologiske instituttet og det tekniske universitetet i München for å implementere Loihi i en ny tilnærming til livslang læring innen robotikk. Metoden er rettet mot systemer som samhandler med ubegrensede miljøer, for eksempel fremtidige robotassistenter for helsevesen og produksjon.
Eksisterende dype nevrale nettverk kan slite med objekter i disse scenariene, da de krever store veltrente treningsdata og omfattende omskolering på nye objekter de møter. En ny nevromorf tilnærming tar sikte på å overvinne disse begrensningene.
Forskerne brukte SNN til Loihi for første gang. Denne arkitekturen lokaliserer læring til et enkelt lag med plastsynapser. Den tar også hensyn til ulike typer objekter, og legger til nye nevroner etter behov. Som et resultat utfolder læringsprosessen seg autonomt når den samhandler med brukeren.
Teamet testet sin tilnærming i et simulert 3D-miljø. I dette oppsettet føler roboten aktivt objekter ved å flytte et kamera som fungerer som øyne. Kamerasensoren "ser" objekter på en måte inspirert av små fikserende øyebevegelser kalt "mikrosaccades". Hvis objektet den ser er nytt, læres eller oppdateres SNN-representasjonen. Hvis objektet er kjent, gjenkjenner nettverket det og gir tilbakemelding til brukeren.
Teamet sier at metoden deres krever 175 ganger mindre strøm for å gi tilsvarende eller bedre hastighet og nøyaktighet enn konvensjonelle CPU-baserte metoder. Nå må de teste algoritmen sin i den virkelige verden med ekte roboter.
"Vårt mål er å bruke lignende evner på fremtidige roboter som vil fungere i et interaktivt miljø, som vil tillate dem å tilpasse seg uforutsette omstendigheter og jobbe mer naturlig sammen med mennesker," sa seniorforfatteren av studien Yuliya Sandamyrska.
Du kan hjelpe Ukraina med å kjempe mot de russiske inntrengerne, den beste måten å gjøre dette på er å donere midler til Ukrainas væpnede styrker gjennom Redd livet eller via den offisielle siden NBU.
Også interessant:
- Googles roboter blir mer og mer menneskelignende og utfører komplekse oppgaver
- Det nye materialet vil tillate roboter å føle berøring