Forskare använde neuromorfisk datoranvändning för att få robotar att lära sig nya objekt efter att de distribuerats. För dem som inte känner till, replikerar neuromorfisk datoranvändning den mänskliga hjärnans neurala struktur för att skapa algoritmer som kan hantera osäkerheterna i den naturliga världen. Intel Labs har utvecklat en av de mest anmärkningsvärda arkitekturerna inom området: Loihi neuromorfa chip.
Loihi består av cirka 130 XNUMX artificiella neuroner som skickar information till varandra via ett "spikande" neuralt nätverk (SNN). Chipsen har redan drivit en rad system, från smart konstgjord hud till en elektronisk "näsa" som känner av lukten av sprängämnen.
Intel Labs presenterade ett annat program denna vecka. Forskningsenheten slog sig ihop med det italienska tekniska institutet och Münchens tekniska universitet för att implementera Loihi i ett nytt tillvägagångssätt för livslångt lärande inom robotik. Metoden riktar sig till system som interagerar med ogränsade miljöer, såsom framtida robotassistenter för sjukvård och tillverkning.
Befintliga djupa neurala nätverk kan kämpa med objekt i dessa scenarier, eftersom de kräver stora vältränade träningsdata och omfattande omskolning av nya objekt som de möter. En ny neuromorf metod syftar till att övervinna dessa begränsningar.
Forskarna tillämpade SNN på Loihi för första gången. Denna arkitektur lokaliserar lärande till ett enda lager av plastsynapser. Den tar också hänsyn till olika typer av objekt och lägger till nya neuroner vid behov. Som ett resultat utvecklas inlärningsprocessen autonomt när den interagerar med användaren.
Teamet testade sitt tillvägagångssätt i en simulerad 3D-miljö. I denna uppställning känner roboten aktivt av objekt genom att flytta en kamera som fungerar som ögon. Kamerasensorn "ser" objekt på ett sätt inspirerat av små fixerande ögonrörelser som kallas "mikrosaccades". Om objektet det ser är nytt, lärs eller uppdateras SNN-representationen. Om objektet är känt känner nätverket igen det och ger feedback till användaren.
Teamet säger att deras metod kräver 175 gånger mindre kraft för att ge liknande eller bättre hastighet och noggrannhet än konventionella CPU-baserade metoder. Nu måste de testa sin algoritm i den verkliga världen med riktiga robotar.
"Vårt mål är att tillämpa liknande kapacitet på framtida robotar som kommer att arbeta i en interaktiv miljö, vilket kommer att tillåta dem att anpassa sig till oförutsedda omständigheter och arbeta mer naturligt tillsammans med människor", säger seniorförfattaren till studien Yuliya Sandamyrska.
Du kan hjälpa Ukraina att kämpa mot de ryska inkräktarna, det bästa sättet att göra detta är att donera pengar till Ukrainas väpnade styrkor genom Rädda liv eller via den officiella sidan NBU.
Också intressant:
- Googles robotar blir mer och mer människolika och utför komplexa uppgifter
- Det nya materialet kommer att tillåta robotar att känna beröring