Intel Labs, 신경망 기반 객체 학습에 대한 새로운 접근법 도입

Intel Labs의 연구자들은 이탈리아 기술 연구소와 뮌헨 공과大学와의 협력을 통해 신경망 기반 객체 학습에 대한 새로운 접근법을 도입했습니다. 새로운 접근법은 로봇 조작자와 같은 미래 로봇 응용 프로그램을 대상으로 하며, 이러한 응용 프로그램은 물류 및 의료와 같은 상황에서 제약되지 않은 환경과 상호 작용합니다.

새로운 연구는 미래 로봇의 서비스 또는 제조 능력을 향상시키는 데 중요한 역할을 할 수 있습니다.

연구 논문 “로봇을 위한 상호작용 연속 학습: 신경형 접근법“은 오크 리지 국립 연구소에서 주최한 2022 국제 신경형 시스템 회의(ICONS)에서 “최우수 논문”으로 선정되었습니다.

객체 학습 및 신경형 계산

새로운 상호작용 객체 학습 방법은 신경형 계산을 사용하여 로봇이 새로운 객체를 발견하도록 합니다.

연구자들은 새로운 모델을 사용하여 Loihi 신경형 칩에서 상호작용 학습을 시연했으며, 새로운 객체 인스턴스를 학습할 때 최대 175배 낮은 전력 소비를 달성했습니다. 또한 CPU에서 실행되는 전통적인 방법과 비교하여 유사하거나 더 나은 속도와 정확도를 달성했습니다.

Image: Intel Labs

연구자들은 Loihi에서 스파이킹 신경망 아키텍처를 구현하여 단일 레이어의 가소성 시냅스에서 객체 학습을 지역화하는 것이 가능하게 하였으며, 다른 객체 뷰를 위해 필요에 따라 새로운 뉴런을 모집했습니다. 학습 과정은 사용자와 상호 작용하면서 자동으로 발생할 수 있었습니다.

Yulia Sandamirskaya는 논문의 선임 저자이자 Intel의 신경형 컴퓨팅 연구소의 로봇 연구 책임자입니다.

“사람이 새로운 객체를 학습할 때, 그들은 객체를 nhìn본다, 객체를 돌린다, 객체가 무엇인지 묻고, 그런 다음 다양한 환경과 조건에서 객체를 즉시 다시 인식할 수 있습니다,” Sandamirskaya는 말했습니다. “우리의 목표는 tương lai 로봇에 유사한 능력을 적용하여 인간과 더 자연스럽게 협력할 수 있도록 하는 것입니다. Loihi에서 얻은 결과는 로봇의 미래를 위한 신경형 컴퓨팅의 가치를 강화합니다.”

Image: Intel Labs

Intel Labs 신경형 컴퓨팅 연구

Intel Labs는 신경형 컴퓨팅 연구 분야에서 선도적인 역할을 하고 있으며, “신경형 컴퓨팅의 목표인 차세대 지능형 장치 및 자율 시스템을 실현하는 데 도움”을 주기 위해 노력하고 있습니다.

신경형 컴퓨팅은 생물학적 신경 계산의 원리에 따라 진행되며, 인간의 뇌와 그 상호 작용을 모방하기 위한 새로운 알고리즘 접근 방식을 사용합니다.

신경형 컴퓨팅의 혁신적인 아키텍처 접근 방식은 에너지 효율성과 연속 학습이 필요한 미래 자율 AI 솔루션을 구동하는 데 책임을 지게 될 것입니다. 이미 로봇, 센서, 의료 및 대규모 AI 응용 프로그램과 같은 다양한 분야에서 적용되고 있습니다.