Les laboratoires Intel présentent une nouvelle approche d’apprentissage d’objets basée sur les réseaux de neurones

Les chercheurs des laboratoires Intel (INTC ), en collaboration avec l’Institut italien de technologie et l’Université technique de Munich, ont présenté une nouvelle approche d’apprentissage d’objets basée sur les réseaux de neurones. Cette nouvelle approche vise spécifiquement les applications robotiques futures telles que les assistants robotiques qui interagissent avec des environnements non contraints, présents dans des situations telles que la logistique et les soins de santé. 

Cette nouvelle recherche peut s’avérer cruciale pour améliorer les capacités de service ou de fabrication de nos futurs robots. 

L’article de recherche intitulé « Apprentissage interactif continu pour les robots : une approche neuromorphique » a été récompensé par le prix du « Meilleur article » à la Conférence internationale 2022 sur les systèmes neuromorphes (ICONS) organisée par le Laboratoire national d’Oak Ridge. 

Apprentissage d’objets et calcul neuromorphique

De nouvelles méthodes d’apprentissage d’objets interactif emploient le calcul neuromorphique pour permettre aux robots de découvrir de nouveaux objets. 

Le groupe de chercheurs a utilisé les nouveaux modèles pour démontrer l’apprentissage interactif sur le circuit neuromorphique Loihi, et ils ont atteint une consommation d’énergie jusqu’à 175 fois inférieure lors de l’apprentissage de nouveaux exemples d’objets. Ils ont également atteint une vitesse et une précision similaires ou meilleures par rapport aux méthodes conventionnelles exécutées sur CPU. 

Image: Intel Labs

Les chercheurs ont pu atteindre cela en implémentant une architecture de réseau de neurones à spikes sur Loihi, ce qui a permis de localiser l’apprentissage de l’objet dans une seule couche de synapses plastiques. Cela a également tenu compte des différentes vues d’objets en recrutant de nouveaux neurones à la demande. Le processus d’apprentissage a alors pu avoir lieu de manière autonome tout en interagissant avec l’utilisateur. 

Yulia Sandamirskaya est l’auteur principal de l’article et le responsable de la recherche en robotique dans le laboratoire de calcul neuromorphique d’Intel.

« Lorsqu’un humain apprend un nouvel objet, il le regarde, le tourne, demande ce que c’est, puis il est capable de le reconnaître à nouveau dans toutes sortes de situations et de conditions instantanément », a déclaré Sandamirskaya. « Notre objectif est d’appliquer des capacités similaires aux futurs robots qui travaillent dans des environnements interactifs, leur permettant de s’adapter à l’imprévu et de travailler plus naturellement aux côtés des humains. Nos résultats avec Loihi renforcent la valeur du calcul neuromorphique pour l’avenir de la robotique. » 

Image: Intel Labs

Recherche en calcul neuromorphique des laboratoires Intel

Les laboratoires Intel sont leaders dans le domaine de la recherche en calcul neuromorphique, travaillant pour « aider à réaliser l’objectif du calcul neuromorphique, qui est de permettre la création de dispositifs intelligents et de systèmes autonomes de nouvelle génération ». 

Le calcul neuromorphique est guidé par les principes de la computation neuronale biologique, et il repose sur de nouvelles approches algorithmiques pour imiter le cerveau humain et son interaction avec le monde. 

L’approche architecturale innovante du calcul neuromorphique sera responsable de l’alimentation des futures solutions d’IA autonomes qui nécessitent à la fois une efficacité énergétique et un apprentissage continu. Il est déjà appliqué dans divers domaines tels que la robotique, les capteurs, les soins de santé et les applications d’IA à grande échelle.