Bilim adamları, robotların konuşlandırıldıktan sonra yeni nesneleri öğrenmesini sağlamak için nöromorfik hesaplamayı kullandı. Bilmeyenler için, nöromorfik hesaplama, doğal dünyanın belirsizlikleriyle başa çıkabilen algoritmalar oluşturmak için insan beyninin sinirsel yapısını kopyalar. Intel Labs, alandaki en dikkate değer mimarilerden birini geliştirdi: Loihi nöromorfik çip.
Loihi, birbirine “spiking” bir sinir ağı (SNN) aracılığıyla bilgi gönderen yaklaşık 130 yapay nörondan oluşur. Çipler, akıllı yapay deriden patlayıcı kokularını algılayan elektronik bir "burun"a kadar bir dizi sisteme güç verdi.
Intel Labs bu hafta başka bir program açıkladı. Araştırma birimi, Loihi'yi robotikte yaşam boyu öğrenmeye yeni bir yaklaşımla uygulamak için İtalyan Teknoloji Enstitüsü ve Münih Teknik Üniversitesi ile birlikte çalıştı. Yöntem, sağlık ve üretim için geleceğin robot asistanları gibi sınırsız ortamlarla etkileşime giren sistemlere yöneliktir.
Mevcut derin sinir ağları, büyük, iyi eğitilmiş eğitim verileri ve karşılaştıkları yeni nesneler üzerinde kapsamlı yeniden eğitim gerektirdiğinden, bu senaryolardaki nesnelerle mücadele edebilir. Yeni bir nöromorfik yaklaşım, bu sınırlamaların üstesinden gelmeyi amaçlamaktadır.
Araştırmacılar SNN'yi ilk kez Loihi'ye uyguladılar. Bu mimari, öğrenmeyi tek bir plastik sinaps katmanına yerelleştirir. Ayrıca, talep üzerine yeni nöronlar ekleyerek farklı nesne türlerini de hesaba katar. Sonuç olarak, öğrenme süreci, kullanıcı ile etkileşime girerken özerk bir şekilde ortaya çıkar.
Ekip, yaklaşımlarını simüle edilmiş bir 3B ortamda test etti. Bu kurulumda robot, göz görevi gören bir kamerayı hareket ettirerek nesneleri aktif olarak algılar. Kamera sensörü, nesneleri "mikrosakkadlar" adı verilen küçük sabitleyici göz hareketlerinden esinlenerek "görür". Gördüğü nesne yeni ise SNN gösterimi öğrenilir veya güncellenir. Nesne biliniyorsa, ağ onu tanır ve kullanıcıya geri bildirim sağlar.
Ekip, yöntemlerinin benzer veya daha iyi hız ve doğruluk sağlamak için geleneksel CPU tabanlı yöntemlere göre 175 kat daha az güç gerektirdiğini söylüyor. Artık algoritmalarını gerçek dünyada gerçek robotlarla test etmeleri gerekiyor.
Araştırmanın kıdemli yazarı Yuliya Sandamyrska, "Amacımız, etkileşimli bir ortamda çalışacak, öngörülemeyen koşullara uyum sağlamalarına ve insanlarla daha doğal bir şekilde çalışmasına olanak tanıyacak gelecekteki robotlara benzer yetenekleri uygulamaktır" dedi.
Ukrayna'nın Rus işgalcilere karşı savaşmasına yardım edebilirsiniz, bunu yapmanın en iyi yolu, Ukrayna Silahlı Kuvvetlerine fon bağışlamaktır. Hayat kurtarmak veya resmi sayfa aracılığıyla NBU.
Ayrıca ilginç:
- Google'ın robotları giderek daha fazla insana benziyor ve karmaşık görevleri yerine getiriyor
- Yeni malzeme robotların dokunmayı hissetmesini sağlayacak