Oamenii de știință au folosit calcularea neuromorfă pentru ca roboții să învețe noi obiecte după ce au fost desfășurați. Pentru cei care nu știu, calculul neuromorfic reproduce structura neuronală a creierului uman pentru a crea algoritmi care pot face față incertitudinilor lumii naturale. Intel Labs a dezvoltat una dintre cele mai notabile arhitecturi din domeniu: cipul neuromorf Loihi.
Loihi este format din aproximativ 130 de neuroni artificiali care își trimit informații unul altuia printr-o rețea neuronală „spiking” (SNN). Cipurile au alimentat deja o serie de sisteme, de la piele artificială inteligentă la un „nas” electronic care detectează mirosurile de explozibil.
Intel Labs a dezvăluit un alt program săptămâna aceasta. Unitatea de cercetare a făcut echipă cu Institutul Italian de Tehnologie și Universitatea Tehnică din München pentru a implementa Loihi într-o nouă abordare a învățării pe tot parcursul vieții în robotică. Metoda vizează sistemele care interacționează cu medii nelimitate, cum ar fi viitorii asistenți roboți pentru asistență medicală și producție.
Rețelele neuronale profunde existente se pot lupta cu obiectele în aceste scenarii, deoarece necesită date mari de antrenament bine pregătite și reinstruire extinsă pe obiectele noi pe care le întâlnesc. O nouă abordare neuromorfă își propune să depășească aceste limitări.
Cercetătorii au aplicat SNN lui Loihi pentru prima dată. Această arhitectură localizează învățarea într-un singur strat de sinapse plastice. De asemenea, ia în considerare diferite tipuri de obiecte, adăugând noi neuroni la cerere. Ca urmare, procesul de învățare se desfășoară în mod autonom atunci când interacționează cu utilizatorul.
Echipa și-a testat abordarea într-un mediu 3D simulat. În această configurație, robotul detectează în mod activ obiectele prin mișcarea unei camere care acționează ca ochi. Senzorul camerei „vede” obiectele într-un mod inspirat de mici mișcări fixative ale ochilor numite „microsacade”. Dacă obiectul pe care îl vede este nou, reprezentarea SNN este învățată sau actualizată. Dacă obiectul este cunoscut, rețeaua îl recunoaște și oferă feedback utilizatorului.
Echipa spune că metoda lor necesită de 175 de ori mai puțină putere pentru a oferi viteză și precizie similare sau mai bune decât metodele convenționale bazate pe CPU. Acum trebuie să-și testeze algoritmul în lumea reală cu roboți reali.
„Scopul nostru este să aplicăm capacități similare roboților viitori care vor funcționa într-un mediu interactiv, ceea ce le va permite să se adapteze la circumstanțe neprevăzute și să lucreze mai natural împreună cu oamenii”, a spus autorul principal al studiului Yuliya Sandamyrska.
Puteți ajuta Ucraina să lupte împotriva invadatorilor ruși, cel mai bun mod de a face acest lucru este să donați fonduri Forțelor Armate ale Ucrainei prin Salveaza viata sau prin pagina oficiala NBU.
Interesant de asemenea:
- Roboții Google devin din ce în ce mai asemănători oamenilor și îndeplinesc sarcini complexe
- Noul material va permite roboților să simtă atingerea