听这篇文章
|
英特尔实验室,与意大利理工学院和慕尼黑工业大学,提出了一种新的基于神经网络的对象学习方法,该方法使用交互式在线对象学习方法。这种方法赋予机器人自主部署后学习新对象的能力。
这种方法旨在使未来的应用程序,如机器人助手与不受约束的环境交互成为可能。这些机器人可以在后勤、医疗或老年护理领域工作。
在模拟环境下,利用机器人对该方法进行了测试。机器人通过移动它的“眼睛”(一个基于事件的摄像头或动态视觉传感器)来主动感知物体。当眼睛跟踪物体时,它会产生事件,收集这些事件并用于驱动一个神经网络Loihi芯片.
Loihi芯片上的尖刺神经网络架构将学习定位在单层塑料突触上,并通过按需招募新神经元来从不同角度观察物体。当机器人观察到一个新的物体时,它的SNN表示被学习或更新,如果这个物体是已知的,网络就会识别它并给用户相应的反馈。
英特尔神经形态计算实验室机器人研究负责人、该论文的资深作者尤利娅·桑达米尔斯卡娅说:“当人类学习一个新物体时,他们会看一看,把它转过来,问它是什么,然后他们能够在各种环境和条件下立即再次识别它。”“我们的目标是将类似的能力应用到未来的机器人中,让它们在互动环境中工作,使它们能够适应不可预见的情况,并更自然地与人类一起工作。我们与Loihi的研究结果强化了神经形态计算在未来机器人技术中的价值。”
使用新开发的方法,英特尔的团队能够在公司的研究芯片Loihi上演示持续互动学习。该芯片学习新对象的能耗减少了175倍,速度和精度与在中央处理器(CPU)上运行的传统方法相似。
该团队的研究发表在《机器人互动持续学习:一种神经形态方法”。
告诉我们你的想法!