科學家們使用神經形態計算來讓機器人在部署後繼續學習新對象。 對於那些不知情的人，神經形態計算複製了人腦的神經結構，以創建可以處理自然世界不確定性的算法。 英特爾實驗室開發了該領域最著名的架構之一：Loihi 神經形態芯片。
Loihi 由大約 130 個人工神經元組成，它們通過“尖峰”神經網絡 (SNN) 相互發送信息。 這些芯片已經為一系列系統提供動力，從智能人造皮膚到檢測爆炸物氣味的電子“鼻子”。
英特爾實驗室本周公布了另一項計劃。 該研究部門與意大利理工學院和慕尼黑工業大學合作，以一種新的機器人終身學習方法實施 Loihi。 該方法針對與無界環境交互的系統，例如未來用於醫療保健和製造業的機器人助手。
在這些場景中，現有的深度神經網絡可能難以處理對象，因為它們需要大量訓練有素的訓練數據，並對遇到的新對象進行廣泛的再訓練。 一種新的神經形態方法旨在克服這些限制。
研究人員首次將 SNN 應用於 Loihi。 這種架構將學習定位到單層塑料突觸。 它還考慮到不同類型的對象，按需添加新的神經元。 因此，學習過程在與用戶交互時自動展開。
該團隊在模擬的 3D 環境中測試了他們的方法。 在此設置中，機器人通過移動充當眼睛的攝像頭來主動感知物體。 相機傳感器“看到”物體的方式受到稱為“微眼跳”的小型固定眼球運動的啟發。 如果它看到的對像是新的，則學習或更新 SNN 表示。 如果對像是已知的，網絡會識別它並向用戶提供反饋。
該團隊表示，與傳統的基於 CPU 的方法相比，他們的方法所需的功率降低了 175 倍，以提供相似或更好的速度和準確性。 現在他們需要用真實的機器人在現實世界中測試他們的算法。
“我們的目標是將類似的功能應用於未來的機器人，這些機器人將在交互式環境中工作，這將使它們能夠適應不可預見的情況並更自然地與人一起工作，”該研究的資深作者 Yuliya Sandamyrska 說。
您可以幫助烏克蘭對抗俄羅斯入侵者，最好的方法是通過以下方式向烏克蘭武裝部隊捐款 拯救生命 或通過官方頁面 NBU.
也很有趣：