英特尔实验室推出基于神经网络的对象学习的新方法

英特尔实验室的研究人员与意大利理工学院和慕尼黑工业大学合作，推出了一种基于神经网络的对象学习的新方法。新方法专门针对未来的机器人应用程序，例如与不受约束的环境交互的机器人助手，这些环境存在于物流和医疗保健等情况下。

这项新研究对于提高我们未来机器人的服务或制造能力至关重要。

在橡树岭国家实验室主办的 2022 年神经形态系统国际会议 (ICONS) 上，题为“交互式持续学习机器人：一种神经形态方法”的研究论文被授予“最佳论文”。

对象学习和神经形态计算

新的交互式对象学习方法采用神经形态计算使机器人能够发现新对象。

研究小组使用新模型在 Loihi 神经形态芯片上演示了交互式学习，在学习新对象实例时，他们的功耗降低了 175 倍。与在 CPU 上运行的传统方法相比，它们还实现了相似或更好的速度和准确性。

研究人员能够通过在 Loihi 上实施脉冲神经网络架构来实现这一目标，从而可以将对象的学习定位在单层塑料突触中。它还通过按需招募新的神经元来解释不同的对象视图。然后，学习过程可以在与用户交互的同时自主进行。

Yulia Sandamirskaya 是该论文的资深作者，也是英特尔神经形态计算实验室的机器人研究负责人。

“当一个人学习一个新物体时，他们会看一眼，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，”Sandamirskaya 说。“我们的目标是将类似的功能应用于未来在交互式环境中工作的机器人，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对机器人未来的价值。”

英特尔实验室神经形态计算研究

英特尔实验室是神经拟态计算研究领 域的领导者，致力于“帮助实现神经拟态计算的目标，即支持下一代智能设备和自主系统。”

神经形态计算以生物神经计算原理为指导，它依赖于新的算法方法来模拟人脑及其与世界的交互方式。

神经形态计算的创新架构方法将负责为需要能源效率和持续学习的未来自主人工智能解决方案提供动力。它已经在机器人、传感器、医疗保健和大规模人工智能应用等各个领域得到应用。