Intel Labs Introduceser en ny tilnærming til neuralt nettverk-basert objektinlæring

Forskere ved Intel (INTC ) Labs, i samarbeid med det italienske teknologiske institutt og det tekniske universitetet i München, har introdusert en ny tilnærming til neuralt nettverk-basert objektinlæring. Den nye tilnærmingen tar spesifikt sikte på fremtidige robotikk-applikasjoner som robotassistenter som samhandler med ubegrensede miljøer, som er til stede i situasjoner som logistikk og helsevesen.

Den nye forskningen kan vise seg å være avgjørende for å forbedre tjenesten eller produksjonskapasiteten til våre fremtidige roboter.

Forskningsrapporten med tittelen “Interaktiv kontinuerlig inlæring for roboter: en neuromorf tilnærming” ble tildelt “Beste papir” på 2022 Internasjonale konferanse om neuromorfe systemer (ICONS) arrangert av Oak Ridge National Laboratory.

Objektinlæring og neuromorfe beregning

Nye og interaktive objektinlæringmetoder benytter neuromorfe beregning for å aktivere roboter til å oppdage nye objekter.

Forskergruppen brukte de nye modellene til å demonstrere interaktiv inlæring på Loihi-neuromorfe chip, og de oppnådde opptil 175 ganger lavere strømforbruk når de lærte nye objektinstanser. De oppnådde også lignende eller bedre hastighet og nøyaktighet sammenlignet med konvensjonelle metoder som kjøres på CPU.

Bilde: Intel Labs

Forskerne kunne oppnå dette ved å implementere en spikende neuralt nettverksarkitektur på Loihi, som gjorde det mulig å lokaliserer inlæringen av objektet i ett enkelt lag med plastiske synapser. Det tok også hensyn til forskjellige objektvisninger ved å rekruttere nye nerver på forespørsel. Inlæringsprosessen kunne deretter finne sted autonomt mens den samhandlet med brukeren.

Yulia Sandamirskaya er seniorforfatter av rapporten og leder for robotikkforskning i Intels neuromorfe datalaboratorium.

“Når en menneske lærer et nytt objekt, ser de på det, snur det rundt, spør hva det er, og deretter kan de gjenkjenne det igjen i alle slags innstillinger og betingelser øyeblikkelig,” sa Sandamirskaya. “Vårt mål er å anvende lignende evner til fremtidige roboter som arbeider i interaktive innstillinger, og aktivere dem til å tilpasse seg det uforutsette og arbeide mer naturlig sammen med mennesker. Våre resultater med Loihi understreker verdien av neuromorfe beregning for fremtidens robotikk.”

Bilde: Intel Labs

Intel Labs Neuromorfe datalaboratoriumsforskning

Intel Labs er en ledende aktør innen neuromorfe datalaboratoriumsforskning, og arbeider for å “hjelpe med å realisere neuromorfe datalaboratoriums mål om å aktivere neste generasjons intelligente enheter og autonome systemer.”

Neuromorfe beregning er styrt av prinsippene for biologisk neuralt beregning, og det avhenger av nye algoritmiske tilnærminger for å etterligne menneskehjernen og hvordan den samhandler med verden.

Den innovative arkitektoniske tilnærmingen til neuromorfe beregning vil være ansvarlig for å drive fremtidige autonome AI-løsninger som krever både energieffektivitet og kontinuerlig inlæring. Det er allerede i bruk i ulike områder som robotikk, sensorer, helsevesen og store AI-applikasjoner.