Science

Pengubah permainan AI yang terinspirasi dari otak hewan untuk robot otonom

Foto drone -neuromorfik- terbang di atas pola bunga. Ini menggambarkan masukan visual yang diterima drone dari kamera neuromorfik di sudut. Merah menunjukkan piksel semakin gelap, hijau menunjukkan piksel semakin terang.

Sebuah tim peneliti di Delft University of Technology telah mengembangkan drone yang terbang secara mandiri menggunakan pemrosesan dan kontrol gambar neuromorfik berdasarkan cara kerja otak hewan. Otak hewan menggunakan lebih sedikit data dan energi dibandingkan dengan jaringan saraf dalam yang berjalan pada GPU (chip grafis). Oleh karena itu, prosesor neuromorfik sangat cocok untuk drone kecil karena tidak memerlukan perangkat keras dan baterai yang berat dan besar. Hasilnya luar biasa: selama penerbangan, jaringan saraf dalam drone memproses data hingga 64 kali lebih cepat dan mengonsumsi energi tiga kali lebih sedikit dibandingkan saat dijalankan dengan GPU. Perkembangan lebih lanjut dari teknologi ini memungkinkan lompatan drone menjadi sekecil, lincah, dan pintar seperti serangga terbang atau burung. Temuan ini baru-baru ini dipublikasikan di Science Robotics.

Belajar dari otak hewan: jaringan saraf spiking

Kecerdasan buatan memiliki potensi besar untuk menyediakan robot otonom dengan kecerdasan yang dibutuhkan untuk aplikasi di dunia nyata. Namun, AI saat ini bergantung pada jaringan saraf dalam yang membutuhkan daya komputasi besar. Prosesor yang dibuat untuk menjalankan jaringan neural dalam (Unit Pemrosesan Grafis, GPU) mengonsumsi banyak energi. Khusus untuk robot kecil seperti drone terbang, hal ini menjadi masalah karena mereka hanya dapat membawa sumber daya yang sangat terbatas dalam hal penginderaan dan komputasi.

Otak hewan memproses informasi dengan cara yang sangat berbeda dari jaringan saraf yang berjalan pada GPU. Neuron biologis memproses informasi secara asinkron, dan sebagian besar berkomunikasi melalui gelombang listrik yang disebut lonjakan. Karena mengirimkan lonjakan seperti itu membutuhkan energi, otak meminimalkan lonjakan tersebut, sehingga menyebabkan pemrosesan menjadi lebih jarang.

Terinspirasi oleh sifat-sifat otak hewan, para ilmuwan dan perusahaan teknologi mengembangkan prosesor neuromorfik baru. Prosesor baru ini memungkinkan untuk menjalankan jaringan saraf spiking dan menjanjikan kinerja yang jauh lebih cepat dan lebih hemat energi.

-Perhitungan yang dilakukan dengan jaringan saraf spiking jauh lebih sederhana dibandingkan dengan jaringan saraf dalam standar.-, kata Jesse Hagenaars, kandidat PhD dan salah satu penulis artikel, -Padahal neuron spiking digital hanya perlu menambahkan bilangan bulat, sedangkan neuron standar memerlukannya. untuk mengalikan dan menjumlahkan bilangan floating point. Hal ini membuat jaringan saraf spiking menjadi lebih cepat dan hemat energi. Untuk memahami alasannya, pikirkan bagaimana manusia juga merasa lebih mudah menghitung 5 + 8 daripada menghitung 6,25 x 3,45 + 4,05 x 3,45.-

Efisiensi energi ini semakin ditingkatkan jika prosesor neuromorfik digunakan bersama dengan sensor neuromorfik, seperti kamera neuromorfik. Kamera semacam itu tidak mengambil gambar pada interval waktu yang tetap. Sebaliknya, setiap piksel hanya mengirimkan sinyal saat menjadi lebih terang atau lebih gelap. Kelebihan kamera semacam ini adalah dapat melihat gerakan lebih cepat, lebih hemat energi, dan berfungsi dengan baik di lingkungan gelap maupun terang. Selain itu, sinyal dari kamera neuromorfik dapat dimasukkan langsung ke jaringan saraf spiking yang berjalan pada prosesor neuromorfik. Bersama-sama, mereka dapat menjadi penggerak besar bagi robot otonom, terutama robot kecil dan lincah seperti drone terbang.

Visi neuromorfik pertama dan kendali drone terbang

Dalam artikel yang diterbitkan di Science Robotics pada 15 Mei 2024, para peneliti dari Delft University of Technology, Belanda, untuk pertama kalinya mendemonstrasikan drone yang menggunakan penglihatan dan kontrol neuromorfik untuk penerbangan otonom. Secara khusus, mereka mengembangkan jaringan saraf spiking yang memproses sinyal dari kamera neuromorfik dan mengeluarkan perintah kontrol yang menentukan pose dan daya dorong drone. Mereka menyebarkan jaringan ini pada prosesor neuromorfik, chip penelitian neuromorfik Loihi Intel, di atas pesawat tak berawak. Berkat jaringan tersebut, drone dapat melihat dan mengendalikan gerakannya sendiri ke segala arah.

-Kami menghadapi banyak tantangan,- kata Federico Paredes-Vallés, salah satu peneliti yang mengerjakan penelitian ini, -tetapi tantangan tersulit adalah membayangkan bagaimana kita dapat melatih jaringan saraf spiking sehingga pelatihan akan cukup cepat dan terlatih. jaringan akan berfungsi dengan baik pada robot sebenarnya. Pada akhirnya, kami merancang jaringan yang terdiri dari dua modul. Modul pertama mempelajari persepsi gerakan secara visual dari sinyal kamera neuromorfik yang bergerak. Ia melakukannya sendiri, dengan pengawasan mandiri, hanya berdasarkan data dari kamera. Hal ini mirip dengan bagaimana hewan belajar memahami dunia sendiri. Modul kedua belajar memetakan perkiraan gerakan untuk mengontrol perintah, dalam simulator. Pembelajaran ini mengandalkan evolusi buatan dalam simulasi, di mana jaringan yang lebih baik dalam mengendalikan drone memiliki peluang lebih tinggi untuk menghasilkan keturunan. Selama beberapa generasi evolusi buatan, jaringan saraf spiking semakin baik dalam pengendaliannya, dan akhirnya mampu terbang ke segala arah dengan kecepatan berbeda. Kami melatih kedua modul dan mengembangkan cara untuk menggabungkan keduanya. Kami senang melihat bahwa jaringan yang digabungkan segera berfungsi dengan baik pada robot sebenarnya.-

Dengan penglihatan dan kontrol neuromorfiknya, drone mampu terbang dengan kecepatan berbeda dalam kondisi cahaya berbeda, dari gelap hingga terang. Ia bahkan bisa terbang dengan lampu yang berkedip-kedip, yang membuat piksel di kamera neuromorfik mengirimkan sejumlah besar sinyal ke jaringan yang tidak berhubungan dengan gerakan.

-Yang penting, pengukuran kami mengkonfirmasi potensi AI neuromorfik. Jaringan berjalan rata-rata antara 274 dan 1600 kali per detik. Jika kita menjalankan jaringan yang sama pada GPU kecil yang tertanam, jaringan tersebut rata-rata hanya berjalan 25 kali per detik, selisihnya sebesar ~10-64! Selain itu, saat menjalankan jaringan, chip penelitian neuromorfik Loihi Intel mengonsumsi 1,007 watt, di mana 1 watt di antaranya adalah daya idle yang dikeluarkan prosesor saat chip dihidupkan. Menjalankan jaringannya sendiri hanya membutuhkan biaya 7 miliwatt. Sebagai perbandingan, ketika menjalankan jaringan yang sama, GPU yang tertanam mengkonsumsi 3 watt, dimana 1 watt adalah daya idle dan 2 watt digunakan untuk menjalankan jaringan. Pendekatan neuromorfik menghasilkan AI yang berjalan lebih cepat dan efisien, memungkinkan penerapan pada robot otonom yang jauh lebih kecil.-, kata Stein Stroobants, kandidat PhD di bidang drone neuromorfik.

Penerapan AI neuromorfik di masa depan untuk robot kecil

-AI neuromorfik akan memungkinkan semua robot otonom menjadi lebih cerdas,- kata Guido de Croon, Profesor drone yang terinspirasi oleh bio, -tetapi AI ini merupakan faktor yang memungkinkan robot otonom berukuran kecil. Di Fakultas Teknik Dirgantara Universitas Teknologi Delft, kami mengerjakan drone kecil otonom yang dapat digunakan untuk aplikasi mulai dari memantau tanaman di rumah kaca hingga melacak stok di gudang. Keunggulan drone berukuran kecil adalah sangat aman dan dapat bernavigasi di lingkungan sempit seperti di antara barisan tanaman tomat. Terlebih lagi, harganya bisa sangat murah, sehingga bisa disebarkan secara berkelompok. Hal ini berguna untuk mencakup suatu area dengan lebih cepat, seperti yang telah kami tunjukkan dalam pengaturan eksplorasi dan lokalisasi sumber gas.-

-Pekerjaan saat ini merupakan langkah besar ke arah ini. Namun, realisasi aplikasi ini akan bergantung pada pengurangan lebih lanjut perangkat keras neuromorfik dan perluasan kemampuan terhadap tugas-tugas yang lebih kompleks seperti navigasi.-

Artikel:

-Visi dan kontrol neuromorfik penuh untuk penerbangan drone otonom-, F. Paredes-Vallés, JJ Hagenaars, J. Dupeyroux, S. Stroobants, Y. Xu, GCHE de Croon, Science Robotics, 15 Mei 2024.

Masyarakat Digital Petugas Informasi Sains

Marc de Kool

Source

Related Articles

Leave a Reply

Your email address will not be published. Required fields are marked *

Back to top button