Olimlar robotlar joylashtirilganidan keyin yangi ob'ektlarni o'rganishlarini davom ettirish uchun neyromorfik hisoblashlardan foydalanishdi. Bilmaganlar uchun neyromorfik hisoblash inson miyasining neyron tuzilishini takrorlaydi va tabiiy dunyo noaniqliklarini hal qila oladigan algoritmlarni yaratadi. Intel Labs ushbu sohadagi eng mashhur arxitekturalardan birini ishlab chiqdi: Loihi neyromorfik chipi.
Loihi taxminan 130 XNUMX sun'iy neyronlardan iborat bo'lib, ular bir-biriga ma'lumotni "spiking" neyron tarmog'i (SNN) orqali yuboradi. Chiplar allaqachon aqlli sun'iy teridan tortib, portlovchi moddalarning hidlarini aniqlaydigan elektron "burun"gacha bo'lgan bir qator tizimlarni quvvat bilan ta'minlagan.
Intel Labs shu hafta yana bir dasturni taqdim etdi. Tadqiqot bo'limi Italiya Texnologiya Instituti va Myunxen Texnik Universiteti bilan hamkorlikda Loihi-ni robototexnika sohasida umrbod ta'limga yangi yondashuvda tatbiq etdi. Usul sog'liqni saqlash va ishlab chiqarish uchun kelajakdagi robot yordamchilari kabi cheksiz muhitlar bilan o'zaro ta'sir qiluvchi tizimlarga qaratilgan.
Mavjud chuqur neyron tarmoqlar ushbu stsenariylarda ob'ektlar bilan kurashishi mumkin, chunki ular yaxshi o'qitilgan katta o'quv ma'lumotlarini va duch keladigan yangi ob'ektlar bo'yicha keng qamrovli qayta o'qitishni talab qiladi. Yangi neyromorfik yondashuv ushbu cheklovlarni bartaraf etishga qaratilgan.
Tadqiqotchilar SNNni birinchi marta Loixi uchun qo'llashdi. Ushbu arxitektura o'rganishni plastik sinapslarning bir qatlamiga lokalizatsiya qiladi. Bundan tashqari, talab bo'yicha yangi neyronlarni qo'shib, har xil turdagi ob'ektlarni hisobga oladi. Natijada, o'quv jarayoni foydalanuvchi bilan o'zaro aloqada bo'lganda avtonom tarzda rivojlanadi.
Jamoa o'z yondashuvlarini simulyatsiya qilingan 3D muhitda sinab ko'rdi. Ushbu sozlashda robot ko'z vazifasini bajaradigan kamerani harakatlantirish orqali ob'ektlarni faol ravishda sezadi. Kamera sensori ob'ektlarni "mikrosakadlar" deb ataladigan kichik fiksativ ko'z harakatlaridan ilhomlangan tarzda "ko'radi". Agar u ko'rgan ob'ekt yangi bo'lsa, SNN ko'rinishi o'rganiladi yoki yangilanadi. Agar ob'ekt ma'lum bo'lsa, tarmoq uni taniydi va foydalanuvchiga fikr bildiradi.
Jamoaning aytishicha, ularning usuli an'anaviy protsessorga asoslangan usullarga qaraganda o'xshash yoki yaxshiroq tezlik va aniqlikni ta'minlash uchun 175 baravar kam quvvat talab qiladi. Endi ular o‘z algoritmlarini haqiqiy robotlar yordamida real dunyoda sinab ko‘rishlari kerak.
“Bizning maqsadimiz – interaktiv muhitda ishlaydigan kelajakdagi robotlarga ham xuddi shunday imkoniyatlarni qo‘llash, bu ularga kutilmagan holatlarga moslashish va odamlar bilan tabiiyroq birga ishlash imkonini beradi”, — dedi tadqiqotning katta muallifi Yuliya Sandamyrska.
Siz Ukrainaga rus bosqinchilariga qarshi kurashda yordam bera olasiz, buning eng yaxshi yo'li - Ukraina Qurolli Kuchlariga pul mablag'larini berishdir. Savelife yoki rasmiy sahifa orqali NBU.
Shuningdek, qiziqarli:
- Google robotlari tobora ko'proq odamga o'xshab bormoqda va murakkab vazifalarni bajaradi
- Yangi material robotlarga teginishni his qilish imkonini beradi