Intel Labs introducerer ny tilgang til neural netværksbaseret objektlæring

Forskere ved Intel Labs har i samarbejde med det italienske institut for teknologi og det tekniske universitet i München introduceret en ny tilgang til neural netværksbaseret objektlæring. Den nye tilgang retter sig specifikt mod fremtidige robotapplikationer som robotassistenter, der interagerer med ubegrænsede miljøer, som er til stede i situationer som logistik og sundhedspleje. 

Den nye forskning kan vise sig at være afgørende for at forbedre vores fremtidige robotters service eller produktionskapacitet. 

Forskningspapiret med titlen "Interaktiv kontinuerlig læring for robotter: en neuromorf tilgang” blev tildelt “Bedste papir” på 2022 International Conference on Neuromorphic Systems (ICONS) arrangeret af Oak Ridge National Laboratory. 

Objektindlæring og neuromorfisk beregning

Nye og interaktive objektlæringsmetoder anvender neuromorfisk beregning for at gøre det muligt for robotter at opdage nye objekter. 

Gruppen af ​​forskere brugte de nye modeller til at demonstrere interaktiv læring på Loihi neuromorfe chip, og de opnåede op til 175 gange lavere strømforbrug, når de lærte nye objektforekomster. De opnåede også lignende eller bedre hastighed og nøjagtighed sammenlignet med konventionelle metoder, der kører på CPU. 

Billede: Intel Labs

Forskerne var i stand til at opnå dette ved at implementere en spiking neural netværksarkitektur på Loihi, hvilket gør det muligt at lokalisere indlæringen af ​​objektet i et enkelt lag af plastiksynapser. Det tegnede sig også for forskellige objektsyn ved at rekruttere nye neuroner efter behov. Læringsprocessen kan så foregå autonomt, mens den interagerer med brugeren. 

Yulia Sandamirskaya er seniorforfatter af forskningslederen for papir og robotteknologi i Intels neuromorfe computerlaboratorium.

"Når et menneske lærer et nyt objekt, tager de et kig, vender det om, spørger, hvad det er, og så er de i stand til at genkende det igen i alle slags omgivelser og forhold øjeblikkeligt," sagde Sandamirskaya. "Vores mål er at anvende lignende kapaciteter til fremtidige robotter, der arbejder i interaktive omgivelser, hvilket gør dem i stand til at tilpasse sig det uforudsete og arbejde mere naturligt sammen med mennesker. Vores resultater med Loihi forstærker værdien af ​​neuromorfisk databehandling for fremtidens robotteknologi." 

Billede: Intel Labs

Intel Labs Neuromorphic Computing Research

Intel Labs er førende inden for neuromorfisk databehandlingsforskning og arbejder på at "hjælpe med at realisere neuromorfe databehandlings mål om at muliggøre næste generation af intelligente enheder og autonome systemer." 

Neuromorf databehandling er styret af principperne for biologisk neural beregning, og den er afhængig af nye algoritmiske tilgange til at efterligne den menneskelige hjerne og hvordan den interagerer med verden.

Den innovative arkitektoniske tilgang til neuromorfisk databehandling vil være ansvarlig for at drive fremtidige autonome AI-løsninger, der kræver både energieffektivitet og kontinuerlig læring. Det anvendes allerede inden for forskellige områder som robotteknologi, sensorer, sundhedspleje og store AI-applikationer.