英特尔实验室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新方法。它专门针对未来的应用，如机器人助手，与不受约束的环境交互，包括物流、医疗保健或老年护理。这项研究是提高未来辅助或制造机器人能力的关键一步。它通过新的交互式在线对象学习方法使用神经形态计算，使机器人在部署后能够学习新的对象。
利用这些新模型，英特尔及其合作者成功地在英特尔的神经形态研究芯片Loihi上演示了持续的交互式学习，与在中央处理单元(CPU)上运行的传统方法相比，学习新对象实例的能量降低了175倍，速度和准确性相似或更好。为了实现这一点，研究人员在Loihi上实现了一个spike神经网络架构，将学习定位到单层塑料突触，并通过根据需要招募新的神经元来解释不同的物体视图。这使得学习过程能够在与用户交互的同时自主展开。
这项研究发表在《机器人的互动持续学习:一种神经形态方法这篇论文在今年由橡树岭国家实验室主办的神经形态系统国际会议上被评为“最佳论文”。
英特尔神经形态计算实验室机器人研究负责人、该论文的高级作者尤利娅·桑达米尔斯卡娅(Yulia Sandamirskaya)说:“当人类学习一个新物体时，他们会看一看，把它转过去，问它是什么，然后他们能够在各种设置和条件下立即再次识别它。”“我们的目标是将类似的能力应用于未来在交互环境中工作的机器人，使它们能够适应不可预见的情况，更自然地与人类一起工作。我们与Loihi合作的结果加强了神经形态计算对机器人未来的价值。”
如需进一步探索，请在Intel.com网站上阅读有关英特尔实验室的研究神经形态计算页面。
