Как авангардните чипове Loihi 2 на Intel помагат на роботите да възприемат света

Компютрите унищожават хората на шах, но няма робот в света, който да изпратите в непозната къща и да му кажете да нахрани кучето; общата интелигентност и адаптивност на човешкия мозък остават ненадминати. Невроморфните чипове Loihi 2 на Intel от изследователски клас са проектирани да помогнат за преодоляване на празнината, черпейки вдъхновение от най-великия суперкомпютър в природата.

Говорихме с изследователя от Технологичния университет в Куинсланд д-р Тобиас Фишер за работата му по интегрирането на тези авангардни чипове в автономни роботи, където те превъзхождат изтощаващите ресурси суперкомпютри при определени задачи. Екипът на Fischer работи специално върху локализирането и навигацията – помага на роботите да открият къде се намират в непознати ситуации.

„Центърът за роботика е огромна лаборатория“, каза д-р Фишер. „Над 100 души. Ние правим всичко от манипулация – хващане на предмети и вдигането им – до космическа роботика, малко човешко взаимодействие и социалните елементи, необходими, когато говорите с хора. Ние правим много изследвания на визуални техники, използвайки камери и сензори, които помагат на роботите да възприемат света подобно на това, което го правим с очите си. Вземане на поредица от интензитети на пикселите и придаване на по-високо ниво, което означава, че това е кола, това е стол. Супер просто, дори за петгодишен стар, но невероятно труден за компютър.

„Там, където влизам в игра, е локализирането и навигацията. Така че, ако кажете на робот да разопакова вашата съдомиялна машина, той трябва да знае как да намери вашата кухня. Трябва да възприема предмети и да решава дали представляват интерес или да бъдат игнорирани .. Независимо дали може да ги надхвърли или не.”

Дълбоките невронни мрежи са полезни в тази област, показвайки впечатляваща способност за учене с течение на времето и прилагане на етикети на високо ниво към определени обекти, базирани единствено на визуална информация. Но обучението им може да използва невероятно количество енергия.

„Повечето университети разполагат с високопроизводителни суперкомпютри с огромни климатизирани складови помещения“, каза д-р Фишер. „Тези суперкомпютри консумират толкова енергия, колкото би среден град за една година, само за да обучат някои от тези по-големи мрежи. Това е лудост, това е огромно използване на ресурси. Чиповете Loihi 2 на Intel имат различен подход, който ви дава супер енергоефективен начин за управление на конкретен клас мрежи. Можете да стартирате само подмножество от мрежи или алгоритми за оптимизация, но можете да ги управлявате много, много ефективно.”

Разликата в ефективността се свежда до това как милионите “неврони” на чиповете се активират в дълбоки невронни мрежи, за разлика от шипове невронни мрежи като чипа Loihi. „Въвеждате изображение и да кажем, че искате да класифицирате дали в това изображение има стол или човек“, каза д-р Фишер. „В една дълбока невронна мрежа всичките стотици милиони неврони се активират по време на всяка стъпка на обработка. Това използва доста ресурси. В невронна мрежа с пикове само много малка подгрупа от неврони се активират наведнъж. Те имат вътрешно състояние, което натрупва някакво доказателство, че нещо може да изглежда като стол, но те не издават „скок“, докато това доказателство не достигне определен праг.“

Тези чипове са достатъчно компактни, за да работят директно върху малки роботи и дори дронове. „По принцип включваме малко USB устройство в съществуващия компютър, който работи на робота“, каза д-р Фишер. „Той работи като хардуерен ускорител. Надяваме се, че те ни помагат да разработим адаптивни техники за локализиране, които работят изключително ефективно и при високи скорости, с ниска латентност; това е критично, когато се опитвате да разграничите и проследите неща във видео емисия. Също така , самата ефективност е страхотна за роботи и дронове, които трябва да носят собствен източник на енергия.”

Intel

„Когато казваме адаптивна локализация, наистина бихме искали тези неща да могат да се адаптират към променящите се условия“, продължи той. „Очевидно е, че между нощта и деня има огромна разлика в това как изглежда вашата среда. Но също и адаптирането от слънчеви условия към средата на гръмотевична буря или снежна буря, такива неща. Ако можете да се адаптирате към промените във вашата среда, това ще подобрим техниките за позициониране и локализиране и точността, която можем да постигнем.”

Loihi има някои недостатъци, признава той, които може да го възпрепятстват да излезе от изследователските лаборатории в комерсиален продукт, който може да започне да се доставя на дронове, например. „Проблемът, който имат Intel и невроморфните общности, е, че често изоставаме по отношение на устойчивостта и точността в сравнение с конвенционалните алгоритми, които работят повече на CPU или GPU“, обясни той. „И е много по-трудно да се измислят тези алгоритми на първо място, в сравнение с конвенционалните дълбоки невронни мрежи, които се изследват от бог знае колко десетки хиляди изследователи всеки ден. Все още не сме направили пробив, който ще ги направи общоприложими в достатъчно широк спектър от сценарии, че ще има интерес към комерсиализацията. Intel очевидно си сътрудничи с редица университети като нас, за да направим стъпките към това да се случи, но все още не сме стигнали.”

източник: QUT/Intel