Intel Labs представляет новый подход к обучению объектов на основе нейронных сетей

Исследователи в Intel Labs, в сотрудничестве с Итальянским технологическим институтом и Техническим университетом Мюнхена, представили новый подход к обучению объектов на основе нейронных сетей. Новый подход специально ориентирован на будущие робототехнические применения, такие как роботизированные помощники, взаимодействующие с неограниченными средами, которые присутствуют в ситуациях, таких как логистика и здравоохранение.

Это новое исследование может оказаться важным для улучшения сервисных или производственных возможностей наших будущих роботов.

Исследовательская работа под названием “Interactive continual learning for robots: a neuromorphic approach” была удостоена награды “Лучшая работа” на Международной конференции по нейроморфным системам (ICONS) 2022 года, организованной Национальной лабораторией Ок-Ридж.

Обучение объектов и нейроморфные вычисления

Новые и интерактивные методы обучения объектов используют нейроморфные вычисления, чтобы позволить роботам открывать новые объекты.

Группа исследователей использовала новые модели для демонстрации интерактивного обучения на нейроморфном чипе Loihi и достигла до 175 раз более низкого энергопотребления при обучении новых экземпляров объектов. Они также достигли схожей или лучшей скорости и точности по сравнению с традиционными методами, работающими на ЦП.

Изображение: Intel Labs

Исследователи смогли достичь этого, реализовав архитектуру спайковых нейронных сетей на Loihi, что позволило локализовать обучение объекта в одном слое пластических синапсов. Это также учитывало различные виды объектов, привлекая новые нейроны по мере необходимости. Процесс обучения мог затем происходить автономно при взаимодействии с пользователем.

Юлия Сандамирская является старшим автором работы и руководителем исследований в области робототехники в лаборатории нейроморфных вычислений Intel.

“Когда человек учится новому объекту, он посмотрит, повернет его, спросит, что это такое, и затем он сможет распознавать его снова во всех видах настроек и условий мгновенно”, – сказала Сандамирская. “Наша цель – применить аналогичные возможности к будущим роботам, работающим в интерактивных условиях, позволяя им адаптироваться к непредвиденным ситуациям и работать более естественно рядом с людьми. Наши результаты с Loihi подтверждают ценность нейроморфных вычислений для будущего робототехники.”

Изображение: Intel Labs

Исследования нейроморфных вычислений в Intel Labs

Intel Labs является лидером в области исследований нейроморфных вычислений, работающим над “помощью в реализации цели нейроморфных вычислений – созданием следующего поколения интеллектуальных устройств и автономных систем”.

Нейроморфные вычисления руководствуются принципами биологических нейронных вычислений и полагаются на новые алгоритмические подходы для эмуляции человеческого мозга и его взаимодействия с миром.

Инновационный архитектурный подход нейроморфных вычислений будет отвечать за обеспечение будущих автономных решений ИИ, требующих как энергоэффективности, так и непрерывного обучения. Он уже применяется в различных областях, таких как робототехника, датчики, здравоохранение и крупномасштабные приложения ИИ.