Zespół badaczy z Politechniki w Delft opracował autonomicznego drona, który wykorzystuje neuromorficzne przetwarzanie obrazu i kontrolę inspirowaną działaniem mózgów zwierząt. Mózgi zwierząt przetwarzają informacje w sposób bardziej efektywny pod względem energetycznym i wykorzystują mniej danych w porównaniu do współczesnych głębokich sieci neuronowych działających na procesorach graficznych (GPU). Procesory neuromorficzne są więc idealnym rozwiązaniem dla małych dronów, ponieważ nie wymagają ciężkiego i dużego sprzętu oraz baterii.
Rewolucyjne wyniki
Podczas lotu, głęboka sieć neuronowa drona przetwarza dane aż 64 razy szybciej i zużywa trzy razy mniej energii niż przy użyciu GPU. Dzięki dalszym rozwinięciom tej technologii, drony mogą stać się tak małe, zwinne i inteligentne jak latające owady czy ptaki.
Nowa era neuromorficznych przetworników i sensorów
Mózgi zwierząt przetwarzają informacje asynchronicznie, komunikując się głównie za pomocą impulsów elektrycznych zwanych spikami. Zainspirowani tym procesem, naukowcy oraz firmy technologiczne opracowują nowe, neuromorficzne procesory, które pozwalają na uruchamianie sieci neuronowych typu spiking. Obiecują one być znacznie szybsze i bardziej energooszczędne.
Pierwszy autonomiczny dron z neuromorficzną wizją
W artykule opublikowanym w Science Robotics, badacze z Politechniki w Delft po raz pierwszy zaprezentowali drona, który używa neuromorficznej wizji i kontroli do autonomicznego lotu. Stworzyli oni sieć neuronową typu spiking, która przetwarza sygnały z neuromorficznej kamery i generuje komendy kontrolne dla drona.
Wyzwania i rozwiązania
„Największym wyzwaniem było wymyślenie, jak nauczyć sieć neuronową typu spiking, aby była wystarczająco szybka i dobrze funkcjonowała na prawdziwym robocie,” mówi Federico Paredes-Vallés, jeden z badaczy. „Opracowaliśmy moduł uczący się samodzielnie percepcji ruchu z sygnałów kamery oraz moduł uczący się w symulatorze, jak przekładać ruch na komendy kontrolne.”
Zastosowania neuromorficznej AI
„Neuromorficzna AI pozwoli autonomicznym robotom na większą inteligencję,” mówi Guido de Croon, profesor zajmujący się dronami inspirowanymi biologicznie. „Drony mogą być używane do monitorowania upraw w szklarniach czy śledzenia stanu magazynów. Są one bezpieczne i mogą nawigować w wąskich przestrzeniach, a także być stosunkowo tanie, co umożliwia ich użycie w rojach.”
Przyszłość neuromorficznej technologii
Realizacja tych zastosowań będzie zależeć od dalszego miniaturyzowania neuromorficznego sprzętu i rozszerzenia jego możliwości na bardziej skomplikowane zadania, takie jak nawigacja.
Dzięki neuromorficznej wizji i kontroli, drony mają szansę stać się jeszcze bardziej zaawansowanymi narzędziami, które zrewolucjonizują wiele dziedzin naszego życia.
źródło: sciencedaily.com
Częste pytania
Jak działa neuromorficzna wizja w autonomicznych dronach?
Neuromorficzna wizja w autonomicznych dronach opiera się na przetwarzaniu sygnałów z neuromorficznej kamery, co pozwala na generowanie komend kontrolnych dla drona. Dzięki temu dron może autonomicznie latać, przetwarzając dane szybciej i bardziej efektywnie energetycznie.
Dlaczego mózgi zwierząt są inspiracją dla autonomicznych robotów?
Mózgi zwierząt przetwarzają informacje w sposób bardziej efektywny pod względem energetycznym, wykorzystując mniej danych w porównaniu do tradycyjnych głębokich sieci neuronowych. To sprawia, że są one doskonałym źródłem inspiracji dla rozwijania technologii neuromorficznych.
Co to jest sieć neuronowa typu spiking?
Sieć neuronowa typu spiking to rodzaj sieci, która przetwarza informacje asynchronicznie, komunikując się za pomocą impulsów elektrycznych zwanych spikami. Tego typu sieci są bardziej efektywne i szybsze, co czyni je idealnymi dla autonomicznych robotów.
Jakie są zastosowania neuromorficznej AI w dronach?
Neuromorficzna AI pozwala dronom na większą inteligencję, co umożliwia ich wykorzystanie do monitorowania upraw w szklarniach czy śledzenia stanu magazynów. Drony te są bezpieczne, mogą nawigować w wąskich przestrzeniach i są stosunkowo tanie w produkcji.
Jakie wyzwania stoją przed rozwojem neuromorficznych dronów?
Największym wyzwaniem jest nauczenie sieci neuronowej typu spiking, aby działała wystarczająco szybko i efektywnie na prawdziwym robocie. Badacze pracują nad modułami uczącymi się percepcji ruchu oraz przekładania ruchu na komendy kontrolne.
