Intel Labs esittää uuden lähestymistavan neuroverkkojen perusteella tapahtuvaan objektien oppimiseen

Intel (INTC ) Labsin tutkijat ovat yhteistyössä Italian teknillisen korkeakoulun ja Münchenin teknillisen yliopiston kanssa kehittäneet uuden lähestymistavan neuroverkkojen perusteella tapahtuvaan objektien oppimiseen. Uusi lähestymistapa kohdistuu erityisesti tulevaisuuden robotti-sovelluksiin, kuten robottiavustajiin, jotka vuorovaikuttavat rajoittamattomissa ympäristöissä, joita esiintyy tilanteissa kuten logistiikassa ja terveydenhuollossa.

Uusi tutkimus voi olla ratkaiseva tekijä parantamassa tulevien robottien palvelu- tai valmistuskykyä.

Tutkimusartikkeli, joka on nimeltään ”Interaktiivinen jatkuva oppiminen roboteille: neuromorfinen lähestymistapa”, palkittiin parhaana artikkelina vuoden 2022 Kansainvälisessä neuromorfisissa järjestelmissä pidetyssä konferenssissa (ICONS), jonka isäntänä toimi Oak Ridge National Laboratory.

Objektien oppiminen ja neuromorfinen laskenta

Uudet interaktiiviset objektien oppimismenetelmät käyttävät neuromorfista laskentaa, jotta robotit voivat löytää uusia objekteja.

Tutkijaryhmä käytti uusia malleja osoittamaan interaktiivista oppimista Loihi-neuromorfisella piirillä, ja he saavuttivat jopa 175 kertaa alhaisemman virrankulutuksen uusien objektien oppimisessa. He saavuttivat myös saman tai paremman nopeuden ja tarkin kuin perinteiset menetelmät, jotka suoritettiin CPU:lla.

Kuva: Intel Labs

Tutkijat pystyivät saavuttamaan tämän toteuttamalla heräte-neuraaliverkkorakenteen Loihi-piirillä, mikä mahdollisti objektien oppimisen paikallistamisen yhteen kerrokseen muovikkaista synapseja. Se myös huomioi eri objektinäkymät palkkaamalla uusia hermosoluja tarpeen mukaan. Oppimisprosessi voitiin toteuttaa itsestään käsin vuorovaikutuksen kautta käyttäjän kanssa.

Yulia Sandamirskaya on artikkelin seniorkirjoittaja ja robotti-tutkimuksen johtaja Intelin neuromorfisessa laskennan laboratoriossa.

”Kun ihminen oppii uuden objektin, hän katsoo sitä, kääntää sitä ympäri, kysyy mitä se on, ja sitten hän pystyy tunnistamaan sen uudelleen kaikenlaisissa tilanteissa ja olosuhteissa välittömästi”, Sandamirskaya sanoi. ”Meidän tavoitteemme on soveltaa vastaavia kykyjä tuleviin roboteihin, jotka toimivat interaktiivisissa ympäristöissä, mahdollistaen niiden sopeutumisen odottamattomiin tilanteisiin ja työskentelemisen luonnollisemmin ihmisten rinnalla. Tuloksemme Loihin kanssa vahvistavat neuromorfisen laskennan arvon tulevaisuuden robotti-sovelluksissa.”

Kuva: Intel Labs

Intel Labsin neuromorfinen laskennan tutkimus

Intel Labs on johtava neuromorfinen laskennan tutkimuksen alalla, ja se pyrkii ”auttamaan neuromorfinen laskennan tavoitteen saavuttamisessa, joka on mahdollistaa seuraavan sukupolven älykkäät laitteet ja autonomiset järjestelmät”.

Neuromorfinen laskenta perustuu biologisen hermoston laskennan periaatteisiin, ja se käyttää uusia algoritmisia lähestymistapoja jäljitelläkseen ihmisaivoja ja niiden vuorovaikutusta maailman kanssa.

Neuromorfinen laskennan innovatiivinen arkkitehtoninen lähestymistapa tulee olemaan vastuussa tulevien autonomisten älykkäiden ratkaisujen voimasta, jotka vaativat sekä energiatehokkuutta että jatkuvaista oppimista. Sitä sovelletaan jo monilla aloilla, kuten robotiikassa, anturitekniikassa, terveydenhuollossa ja laajamittaisissa älysovelluksissa.