Ricerca

Intel, IIT e l’Università di Monaco: i chip neuromorfici per la nuova robotica

Prosegue l’impegno di Intel sui chip neuromorfici. In collaborazione con i due istituti di ricerca, si lavora sull’object learning su chip neuromorfici, con risultati migliori rispetto a quanto ottenuto con le CPU tradizionali

Pubblicato il 31 Ago 2022

The iCub robot developed at the Italian Institute of Technology models human learning and development in a real-world setting. Intel Labs' Neuromorphic Computing Lab studies spiking neuronal architectures in neuromorphic chips in these kinds of real-world settings to develop robots with a more agile, adaptive “brain,” capable of learning and interacting with a user. (Credit: Intel Corporation)

Ne avevamo scritto qualche tempo fa: uno degli ambiti più interessanti nella ricerca di nuove tecnologie computazionali è quello relativo ai chip neuromorfici, che imitano i neuroni ispirandosi al funzionamento delle reti neurali naturali nella corteccia cerebrale.
Ne avevamo parlato diffusamente in questo servizio, sottolineando come già nel 2018 Intel avesse presentato Loihi, un chip neuromorfico con 130 mila neuroni e 130 milioni di sinapsi artificiali.
La ricerca non si ferma e va oltre lo sviluppo dei singolo chip, ma guarda in modo concreto agli ambiti di applicazione.

Indice degli argomenti

I chip neuromorfici per l’object learning

Ecco dunque gli Intel Labs collaborare con l’Istituto Italiano di Tecnologia e l’Università Tecnica di Monaco per lo sviluppo di un nuovo approccio all’apprendimento di oggetti (object learning) basato sulle reti neurali, destinato ad applicazioni nelle quali gli assistenti robotici interagiscono con ambienti non vincolati, ad esempio nel mondo della logistica, dell’assistenza sanitaria o dell’assistenza agli anziani.
Applicati al chip neuromorfico Loihi, i nuovi modelli di object learning sono in grado di apprendere nuove istanze oggetto, con velocità e precisione simili o migliori rispetto ai metodi convenzionali eseguiti su CPU con consumi energetici fino a 175 volte inferiori.

Le prospettive per la robotica

In particolare, i ricercatori hanno implementato su Loihi un’architettura di rete neurale spiking, che ha consentito di localizzare l’apprendimento dell’oggetto in un singolo strato di sinapsi plastica e ha raccolto le diverse prospettive dell’oggetto coinvolgendo altri neuroni su richiesta, così che il processo di apprendimento ha potuto svolgersi autonomamente.
Il progetto di ricerca, presentato nel paper intitolato “Interactive continual learning for robots: a neuromorphic approach”, ha come obiettivo fare in modo che i robot del futuro che agiranno in ambienti interattivi siano in grado di adattarsi alle situazioni che non sono in grado di prevedere e di lavorare in modo più naturale insieme agli esseri umani.