Intel Labs migliora l’apprendimento interattivo e continuo dei robot grazie al computing neuromorfico

Il chip neuromorfico da laboratorio, Loihi, dimostra le funzionalità di apprendimento in tempo reale con un consumo energetico 175 volte inferiore

Il calcolo neuromorfico aiuta i robot a continuare a imparare: In una configurazione simulata, un robot rileva attivamente gli oggetti muovendo gli occhi (telecamera basata su eventi o sensore di visione dinamica), generando "miscrosaccades". Gli eventi raccolti vengono utilizzati per guidare una rete neurale spiking sul chip Loihi. Se l'oggetto o la vista è nuova, la relativa rappresentazione SNN viene appresa o aggiornata. Se l'oggetto è noto, viene riconosciuto dalla rete e il rispettivo feedback viene fornito all'utente. (Credito: Intel Corporation)


Gli Intel Labs, in collaborazione con l'Istituto Italiano di Tecnologia e l'Università Tecnica di Monaco, presentano un nuovo approccio all’apprendimento di oggetti basato sulle reti neurali. Si rivolge in particolare ad applicazioni future quali gli assistenti robotici che interagiscono con ambienti non vincolati, incluso la logistica, l’assistenza sanitaria o l’assistenza agli anziani. Questa ricerca è un passaggio cruciale per migliorare le capacità di assistenza o di produzione dei futuri robot. Il calcolo neuromorfico è impiegato attraverso nuovi metodi interattivi di object learning online per consentire ai robot, dopo il loro rilascio, di scoprire nuovi oggetti.

Utilizzando questi nuovi modelli, Intel e gli altri ricercatori hanno dimostrato con successo l'apprendimento interattivo sul chip neuromorfico Loihi, ottenendo consumi energetici fino a 175 volte inferiori nell’apprendimento di nuove istanze oggetto, con velocità e precisione simili o migliori rispetto ai metodi convenzionali eseguiti su CPU. Per ottenere questo risultato i ricercatori hanno implementato su Loihi un'architettura di rete neurale spiking, che ha consentito di localizzare l'apprendimento dell’oggetto in un singolo strato di sinapsi plastica e ha raccolto le diverse prospettive dell’oggetto coinvolgendo altri neuroni su richiesta. In questo modo il processo di apprendimento si è svolto autonomamente durante l'interazione con l'utente.

La ricerca è stata pubblicata nel documento "Interactive continuous learning for robots: a neuromorphic approach", che è stato nominato “Best Paper” alla International Conference on Neuromorphic Systems (ICONS) di quest’anno, tenuta dall’Oak Ridge National Laboratory.

"Quando un essere umano conosce un nuovo oggetto, dà un'occhiata, lo gira, chiede di cosa si tratta e poi è in grado di riconoscerlo di nuovo istantaneamente in tutti i tipi di contesti e di condizioni in cui lo ritrova", ha detto Yulia Sandamirskaya, responsabile della ricerca robotica nel laboratorio di calcolo neuromorfico di Intel e autore senior dell'articolo. "IIl nostro obiettivo è di introdurre capacità simili ai robot del futuro che agiranno in ambienti interattivi, consentendo loro di adattarsi a situazioni che non sono in grado di prevedere e di lavorare in modo più naturale insieme agli esseri umani. I nostri risultati con Loihi rafforzano il valore del calcolo neuromorfico per il futuro della robotica".

Ulteriore contesto pagina di calcolo neuromorfico di Intel.com.