Znanstveniki so uporabili nevromorfno računalništvo, da bi se roboti učili novih predmetov, potem ko so bili nameščeni. Za tiste, ki tega ne poznate, nevromorfno računalništvo posnema nevronsko strukturo človeških možganov za ustvarjanje algoritmov, ki se lahko spopadejo z negotovostmi naravnega sveta. Intel Labs je razvil eno najopaznejših arhitektur na tem področju: nevromorfni čip Loihi.
Loihi je sestavljen iz približno 130 umetnih nevronov, ki si med seboj pošiljajo informacije prek "spiking" nevronske mreže (SNN). Čipi so že poganjali vrsto sistemov, od pametne umetne kože do elektronskega "nosa", ki zaznava vonjave eksploziva.
Intel Labs je ta teden predstavil še en program. Raziskovalna enota se je povezala z italijanskim inštitutom za tehnologijo in tehnično univerzo v Münchnu, da bi uvedli Loihi v nov pristop k vseživljenjskemu učenju v robotiki. Metoda je namenjena sistemom, ki so v interakciji z neomejenimi okolji, kot so bodoči roboti pomočniki za zdravstvo in proizvodnjo.
Obstoječe globoke nevronske mreže se lahko spopadejo s predmeti v teh scenarijih, saj zahtevajo veliko podatkov za dobro usposobljeno usposabljanje in obsežno prekvalificiranje novih predmetov, s katerimi se srečajo. Nov nevromorfni pristop želi preseči te omejitve.
Raziskovalci so prvič uporabili SNN za Loihi. Ta arhitektura lokalizira učenje na eno plast plastičnih sinaps. Upošteva tudi različne vrste predmetov in na zahtevo dodaja nove nevrone. Posledično se učni proces v interakciji z uporabnikom odvija avtonomno.
Ekipa je preizkusila svoj pristop v simuliranem 3D okolju. V tej postavitvi robot aktivno zaznava predmete s premikanjem kamere, ki deluje kot oči. Senzor kamere "vidi" predmete na način, ki ga navdihujejo majhni fiksacijski gibi oči, imenovani "mikrosakade". Če je predmet, ki ga vidi, nov, se predstavitev SNN nauči ali posodobi. Če je objekt znan, ga omrežje prepozna in uporabniku posreduje povratne informacije.
Ekipa pravi, da njihova metoda zahteva 175-krat manj energije, da zagotovi podobno ali boljšo hitrost in natančnost kot običajne metode, ki temeljijo na procesorju. Zdaj morajo preizkusiti svoj algoritem v resničnem svetu s pravimi roboti.
"Naš cilj je uporabiti podobne zmogljivosti za prihodnje robote, ki bodo delovali v interaktivnem okolju, kar jim bo omogočilo prilagajanje nepredvidenim okoliščinam in bolj naravno delo skupaj z ljudmi," je povedala višja avtorica študije Yuliya Sandamyrska.
Ukrajini lahko pomagate v boju proti ruskim napadalcem, najboljši način za to je, da donirate sredstva oboroženim silam Ukrajine prek Savelife ali preko uradne strani NBU.
Zanimivo tudi:
- Googlovi roboti postajajo vse bolj podobni ljudem in opravljajo zapletene naloge
- Nov material bo robotom omogočal občutek dotika