Intel Labs stellt neuen Ansatz für neuronales Netzwerk-basiertes Objektlernen vor

Forscher bei Intel Labs, in Zusammenarbeit mit dem italienischen Institut für Technologie und der Technischen Universität München, haben einen neuen Ansatz für neuronales Netzwerk-basiertes Objektlernen vorgestellt. Der neue Ansatz zielt speziell auf zukünftige Roboteranwendungen wie Roboter-Assistenten ab, die mit unbeschränkten Umgebungen interagieren, wie sie in Situationen wie Logistik und Gesundheitswesen vorherrschen.

Die neue Forschung kann sich als entscheidend für die Verbesserung der Dienstleistungs- oder Fertigungsfähigkeiten unserer zukünftigen Roboter erweisen.

Der Forschungsbeitrag mit dem Titel „Interactive continual learning for robots: a neuromorphic approach“ wurde auf der 2022 International Conference on Neuromorphic Systems (ICONS) von Oak Ridge National Laboratory mit dem „Best Paper“-Preis ausgezeichnet.

Objektlernen und neuromorphe Berechnung

Neue und interaktive Objektlernmethode verwenden neuromorphe Berechnung, um es Robotern zu ermöglichen, neue Objekte zu entdecken.

Die Gruppe der Forscher nutzte die neuen Modelle, um interaktives Lernen auf dem Loihi-Neuromorphic-Chip zu demonstrieren und erreichte bis zu 175-mal geringere Stromverbrauch beim Lernen neuer Objektinstanzen. Sie erreichten auch ähnliche oder bessere Geschwindigkeit und Genauigkeit im Vergleich zu herkömmlichen Methoden, die auf CPU ausgeführt wurden.

Bild: Intel Labs

Die Forscher konnten dies erreichen, indem sie eine spiking neuronale Netzwerkarchitektur auf Loihi implementierten, was es ermöglichte, das Lernen des Objekts in einer einzigen Schicht von plastischen Synapsen zu lokalisieren. Es berücksichtigte auch verschiedene Objektsichten, indem es neue Neuronen bei Bedarf rekrutierte. Der Lernprozess konnte dann autonom stattfinden, während er mit dem Benutzer interagierte.

Yulia Sandamirskaya ist die Hauptautorin des Beitrags und Leiterin der Robotikforschung im Intel-Neuromorphic-Computing-Labor.

„Wenn ein Mensch ein neues Objekt lernt, schaut er es sich an, dreht es um, fragt, was es ist, und kann es dann in allen möglichen Situationen und Bedingungen sofort wiedererkennen“, sagte Sandamirskaya. „Unser Ziel ist es, ähnliche Fähigkeiten auf zukünftige Roboter anzuwenden, die in interaktiven Umgebungen arbeiten, um es ihnen zu ermöglichen, sich an unvorhersehbare Situationen anzupassen und auf natürliche Weise mit Menschen zusammenzuarbeiten. Unsere Ergebnisse mit Loihi unterstreichen den Wert der neuromorphen Berechnung für die Zukunft der Robotik.“

Bild: Intel Labs

Intel Labs Neuromorphic Computing Forschung

Intel Labs ist ein Vorreiter auf dem Gebiet der neuromorphen Rechenforschung und arbeitet daran, „das Ziel der neuromorphen Rechenforschung zu verwirklichen, nämlich die nächsten Generationen intelligenter Geräte und autonomer Systeme zu ermöglichen.“

Die neuromorphe Berechnung wird von den Prinzipien der biologischen neuronalen Berechnung geleitet und basiert auf neuen algorithmischen Ansätzen, um die menschliche Gehirnfunktion und ihre Interaktion mit der Welt nachzuahmen.

Der innovative architektonische Ansatz der neuromorphen Berechnung wird für die zukünftigen autonomen KI-Lösungen verantwortlich sein, die sowohl Energieeffizienz als auch kontinuierliches Lernen erfordern. Er wird bereits in verschiedenen Bereichen wie Robotik, Sensoren, Gesundheitswesen und großen KI-Anwendungen eingesetzt.