Intel Labs Introducerer Ny Tilgang Til Neural Netværksbaseret Objektlæring

Forskere ved Intel Labs, i samarbejde med det italienske teknologiske institut og det tekniske universitet i München, har introduceret en ny tilgang til neural netværksbaseret objektlæring. Den nye tilgang sigter specifikt på fremtidige robotanvendelser 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 servicen eller produktionskapaciteten af vores fremtidige robotter. 

Forskningsartiklen med titlen “Interactive continual learning for robots: a neuromorphic approach” blev tildelt “Bedst artikel” på 2022 International Conference on Neuromorphic Systems (ICONS) afholdt af Oak Ridge National Laboratory. 

Objektlæring og Neuromorfe Beregning

Nye og interaktive objektlæringsmetoder anvender neuromorf beregning for at enable robotter til at opdage nye objekter. 

Forskergruppen anvendte 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 objekteksempler. De opnåede også lignende eller bedre hastighed og nøjagtighed i forhold til konventionelle metoder, der kørte på CPU. 

Image: Intel Labs

Forskerne kunne opnå dette ved at implementere en spiking neural netværksarkitektur på Loihi, hvilket gjorde det muligt at lokaliserer objektlæringen i ét lag af plastiske synapser. Det tog også hensyn til forskellige objektsyn ved at rekruttere nye neuroner efter behov. Læringsprocessen kunne derefter foregå autonomt, mens den interagerede med brugeren. 

Yulia Sandamirskaya er seniorforfatter af artiklen og leder af robotforskningen i Intels neuromorfe beregningslaboratorium.

“Når et menneske lærer et nyt objekt, ser de på det, drejer det rundt, spørger hvad det er, og derefter er de i stand til at genkende det igen i alle mulige indstillinger og betingelser øjeblikkeligt,” sagde Sandamirskaya. “Vores mål er at anvende lignende evner til fremtidige robotter, der arbejder i interaktive indstillinger, og enable dem til at tilpasse sig det uforudsete og arbejde mere naturligt sammen med mennesker. Vores resultater med Loihi understreger værdien af neuromorfe beregning for fremtidens robotteknologi.” 

Image: Intel Labs

Intel Labs Neuromorfe Beregningsforskning

Intel Labs er en leder inden for området neuromorfe beregningsforskning og arbejder på at “hjælpe med at realisere neuromorfe beregnings mål om at enable næste generations intelligente enheder og autonome systemer.” 

Neuromorfe beregning er baseret på principperne for biologisk neural beregning, og det afhænger af nye algoritmiske tilgange til at emulere det menneskelige hjernes og hvordan det interagerer med verden.

Den innovative arkitektoniske tilgang til neuromorfe beregning vil være ansvarlig for at drive fremtidige autonome AI-løsninger, der kræver både energoeffektivitet og kontinuerlig læring. Det anvendes allerede i forskellige områder som robotteknologi, sensorer, sundhedspleje og store AI-anvendelser.