Русский
Русский
English
Статистика
Реклама

Intel loihi

Новый подход к нейроморфным вычислениям

16.07.2020 04:13:45 | Автор: admin
image

Нейроморфные процессоры, построенные по принципу взаимодействия нейронов, показывают лучшие результаты в области искусственных нейронных сетей\задач машинного зрения. Однако далеки от имитации процессов, происходящих в мозгу. Одна из многих причин астроциты, самые многочисленные клетки глии.

Считалось, что они выполняли поддерживающую функцию в работе нейронов, однако исследования последних десятилетий показывают, что данный тип клеток делает гораздо больше, чем просто заполняет пространство между нейронами, как считали исследователи на протяжении более столетия. Исследования показывают, что эти клетки также играют ключевую роль в функциях мозга, включая обучение и генерацию центрального паттерна (central pattern generation CPG), которая является основой для ритмических поведений, таких как дыхание и ходьба.

Нейронно-астроцитарная сеть


image

Осознавая этот пробел в существующей литературе, исследователи из Университета Рутгерса разрабатывают мозговые алгоритмы, которые также учитывают и воспроизводят функции астроцитов.

Они предлагают(осторожно, тавтология) мозг-морфический контроллер CPG, основанный на всесторонней нейронно-астроцитарной сети, которая генерирует две модели походки для робота. Основываясь на недавно выявленных астроцитарных механизмах нейромодуляции, они предлагают нам архитектуру CPG, которая легко интегрируется в нейроморфный чип Intel Loihi, используя среду взаимодействия в реальном времени между чипом и средой роботизированной операционной системы (ROS).
Loihi CPG может использоваться для управления шагающим роботом с устойчивостью к сенсорному шуму и изменяющимися профилями скорости.

Невероятно интересно наблюдать за развитием новых архитектурных подходов в сфере имитации работы мозга. Сейчас ведутся исследования и эксперименты, которые сильно изменят нашу жизнь в будущем. И наши рабочие места.
Подробнее..

Нервная система для роботов на базе процессора Intel Loihi

06.08.2020 10:11:52 | Автор: admin


Осязание помогает нам в самых различных аспектах нашей человеческой деятельности. С помощью него мы можем брать различные предметы, не роняя и не разбивая их, да и при ходьбе, скажем, оно играет очень важную роль. Между тем в робототехнике этот канал информации почти не используется все данные о внешности предметов механизмы получают с помощью камер. Группа ученых из Национального университета Сингапура (National University of Singapore, NUS) решила исправить этот недостаток и с помощью процессора Intel Loihi добилась в том солидных успехов.

Свое изобретение ученые из NUS назвали Asynchronous Coded Electronic Skin (ACES) его можно назвать экспериментальной искусственной нервной системой. ACES способна засекать прикосновения в 1000 раз быстрее своего прообраза нервной системы человека. Даже при использовании большого количества сенсоров комплексу требуется менее 60 наносекунд для локализации физического контакта. ASEC определяет форму, текстуру поверхности и твердость прикасающегося объекта всего за 10 миллисекунд, в 10 раз быстрее моргания глаза.

Видео об эксперименте сингапурских исследователей

В ходе первых экспериментов исследователи обучали систему понимать шрифт Брайля. Им удалось добиться точности в 92% при потреблении энергии в 20 раз меньшем, чем при использовании стандартного процессора фон Неймана. Далее объектами исследования стали более сложные пространственные предметы контейнеры, заполненные разным количеством жидкости.

В ходе тестирования сигналы с сенсоров обрабатывались нейроморфным чипом Intel Loihi или традиционным GPU. Эксперименты показали, что использование датчиков прикосновения и спайковой нейронной сети на 10% увеличивает точность распознавания предметов по сравнению с видео данными. Сравнение же устройств обработки дало следующие результаты: для данного вида нагрузки Loihi на 21% производительнее топового GPU при потреблении в 45 раз меньшей энергии.

Мы знаем будущее потому что мы его строим. Короткий клип Intel о нейроморфных исследованиях

Напомним, что процессор Intel Loihi, архитектура которого схожа со строением человеческого мозга, представляет собой чип, выполненный по 14-нм техпроцессу и содержащий в себе 130 тысяч нейронов и 130 миллионов синапсов. Благодаря своему особенному устройству Loihi демонстрирует очень высокие показатели эффективности для определенного круга задач (алгоритмы разреженного кодирования, поисковые графы, задачи на удовлетворение ограничений и многие другие аспекты из AI-проблематики). Как раз то, что надо для работы с сенсорами прикосновения.

ACES не первый апгрейд чувств роботов с помощью Intel Loihi. Ранее на Хабре уже писалось об совместном эксперименте Intel и исследователей из Корнеллского университета, в котором нейроморфный процессор использовался для определения запахов. Ценность такого решения также трудно переоценить: искусственный нос очень пригодится для детектирования ядовитых веществ.

Что же касается ACES, то работы в этом направлении помогут создать новое, более интеллектуальное и энергоэффективное поколение транспортных и промышленных роботов, хорошо представляющих себе окружающую обстановку, легко обучаемых и предсказуемых в различных штатных и нештатных ситуациях.
Подробнее..

Категории

Последние комментарии

  • Имя: Макс
    24.08.2022 | 11:28
    Я разраб в IT компании, работаю на арбитражную команду. Мы работаем с приламы и сайтами, при работе замечаются постоянные баны и лаги. Пацаны посоветовали сервис по анализу исходного кода,https://app Подробнее..
  • Имя: 9055410337
    20.08.2022 | 17:41
    поможем пишите в телеграм Подробнее..
  • Имя: sabbat
    17.08.2022 | 20:42
    Охренеть.. это просто шикарная статья, феноменально круто. Большое спасибо за разбор! Надеюсь как-нибудь с тобой связаться для обсуждений чего-либо) Подробнее..
  • Имя: Мария
    09.08.2022 | 14:44
    Добрый день. Если обладаете такой информацией, то подскажите, пожалуйста, где можно найти много-много материала по Yggdrasil и его уязвимостях для написания диплома? Благодарю. Подробнее..
© 2006-2024, personeltest.ru