A computação neuromórfica ajuda os robôs a continuar aprendendo: Em uma configuração simulada, um robô detecta ativamente objetos movendo seus olhos (câmera baseada em eventos ou sensor de visão dinâmica), gerando "miscrosaccades". Os eventos coletados são usados para conduzir uma rede neural no chip Loihi. Se o objeto ou a exibição for novo, sua representação SNN será aprendida ou atualizada. Se o objeto for conhecido, ele é reconhecido pela rede e o respectivo feedback é dado ao usuário. (Crédito: Intel Corporation)
A Intel Labs, em colaboração com o Instituto Italiano de Tecnologia e a Universidade Técnica de Munique, introduziu uma nova abordagem para o aprendizado de objetos baseado em rede neural. Ele visa especificamente aplicações futuras, como assistentes robóticos que interagem com ambientes não treinados, inclusive em logística, saúde ou cuidados com idosos. Esta pesquisa é um passo crucial para melhorar as capacidades de futuros robôs assistivos ou de fabricação. Ele usa a computação neuromórfica através de novos métodos interativos de aprendizagem de objetos on-line para permitir que os robôs aprendam novos objetos após a implantação.
Usando esses novos modelos, a Intel e seus colaboradores demonstraram com sucesso aprendizado interativo contínuo no chip de pesquisa neuromórfica da Intel, Loihi, medindo até 175x de energia menor para aprender uma nova instância de objeto com velocidade ou melhor velocidade e precisão semelhantes ou melhores em comparação com métodos convencionais executados em uma unidade central de processamento (CPU). Para isso, os pesquisadores implementaram uma arquitetura de rede neural em Loihi que localizou o aprendizado para uma única camada de sinapses plásticas e contabilizou diferentes visões de objetos recrutando novos neurônios sob demanda. Isso permitiu que o processo de aprendizagem se desdobre de forma autônoma enquanto interagia com o usuário.
A pesquisa foi publicada no artigo "Aprendizagem contínua interativa para robôs: uma abordagem neuromórfica", que foi nomeada "Melhor Artigo" na Conferência Internacional de Sistemas Neuromórficos (ICONS) deste ano, organizada pelo Oak Ridge National Laboratory.
"Quando um humano aprende um novo objeto, ele olha, vira, pergunta o que é, e então eles são capazes de reconhecê-lo novamente em todos os tipos de configurações e condições instantaneamente", disse Yulia Sandamirskaya, líder de pesquisa em robótica no laboratório de computação neuromórfica da Intel e autora sênior do artigo. "Nosso objetivo é aplicar recursos semelhantes aos futuros robôs que trabalham em ambientes interativos, permitindo que eles se adaptem ao imprevisto e trabalhem mais naturalmente ao lado dos humanos. Nossos resultados com Loihi reforçam o valor da computação neuromórfica para o futuro da robótica."
Para mais exploração, leia sobre a pesquisa da Intel Labs sobre a página de computação neuromórfica da Intel.com.
Em uma configuração simulada, um robô detecta ativamente objetos movendo seus olhos (câmera baseada em eventos ou sensor de visão dinâmica), gerando "miscrosaccades". Os eventos coletados são usados para conduzir uma rede neural no chip Loihi. Se o objeto ou a exibição for novo, sua representação SNN será aprendida ou atualizada. Se o objeto for conhecido, ele é reconhecido pela rede e o respectivo feedback é dado ao usuário. (Crédito: Intel Corporation)
O robô iCub desenvolvido no Instituto Italiano de Tecnologia modela aprendizado e desenvolvimento humano em um ambiente real. O Laboratório de Computação Neuromórfica da Intel Labs estuda a criação de arquiteturas neuronais em chips neuromórficos neste tipo de configurações do mundo real para desenvolver robôs com um "cérebro" mais ágil e adaptável, capaz de aprender e interagir com um usuário. (Crédito: Intel Corporation)