Изобретен инновационный метод навигации для роботов
04 декабря 2024, 18:09
Технология распознавания мест имеет большое значение для робототехники — с ее помощью беспилотные автомобили и андроиды понимают, какая локация изображена на снимке. Вдохновившись устройством мозга насекомых и животных, команда австралийских ученых при содействии компании Intel разработала более эффективный алгоритм распознавания мест для импульсных нейронных сетей (ИНС). Несмотря на значительный прогресс современной робототехники, автономные машины все еще не умеют самостоятельно ориентироваться в сложной и незнакомой среде. К тому же, они часто зависят от навигационных систем с ИИ, обучение которых требует значительных вычислительных и энергетических ресурсов. Животные, с другой стороны, отлично приспособлены передвижению в меняющемся ландшафте.Цифровой прорыв: как искусственный интеллект меняет медийную рекламу "ИНС — это искусственная нейронная сеть, имитирующая процессы обработки информации биологического мозга при помощи кратких, дискретных сигналов, во многом напоминающих общение нейронов в мозге животных, — сказала Сомайлех Хуссаини из Квинслендского технологического университета, глава научной группы. — Эти сети особенно хорошо подходят для нейроморфных компьютеров — специального вычислительного оборудования, которое моделирует биологические нейронные системы и позволяет быстрее обрабатывать информацию и тратить на это меньше энергии". Система, разработанная австралийскими учеными, использует небольшие модули нейросети для распознавания определенных мест на изображениях, пишет Science Daily. Эти модули комбинируются в ансамбль, группу из нескольких импульсных нейросетей, которая приобретает способность учиться ориентироваться в большом пространстве. Использование последовательности изображений вместо одного изображения позволило адаптировать систему к изменениям внешнего вида пространства на протяжении времени и при смене времен года и погодных условий. Система была успешно испытана роботом с ограниченными ресурсами и прошла проверку на осуществимость концепции. Инженеры из США разработали технологию RoVi-Aug, которая позволяет роботам автономно учиться друг у друга. В основе этого метода лежит обучение модели выявлять и использовать причинно-следственные связи между действиями робота и выполняемыми задачами.