Тонкие технологии. Как природа помогает создавать высокочувствительных роботов
Многие свои изобретения человек «подсмотрел» в природе. Например, изучение мозга животных помогает понять когнитивные процессы, связанные с восприятием, обучением и решением задач. Инженеры и ученые сегодня работают над созданием протезов, которые позволят человеку чувствовать все, к чему он прикасается, а также роботов-спасателей и механизмов, способных выполнять сложные поисковые задачи в экстремальных условиях. Как понимание механизмов работы мозга помогает в создании новых технологий и при чем тут живые организмы — в материале «Сноба».
Повторение — мать машинного обучения?
Сегодня природоподобные технологии соединяют даже такие, казалось бы, совсем далекие друг от друга отрасли, как создание роботов и исследования мозга. Роботы отлично могут выполнять разные задачи в идеальных лабораторных условиях, но их гораздо сложнее использовать в реальном мире, где необходимо отвечать на сигналы из окружающей среды, принимать решения и контролировать мелкую моторику. А вот у живых организмов все это получается прекрасно. Именно поэтому Уоррен Маккалох и Уолтер Питтс, создатели первых нейросетей, в своих разработках опирались на архитектуру нервной системы.
Живые организмы ориентируются в пространстве, учитывая сигналы, полученные от разных органов чувств: глаз, ушей, носа, языка, кожи, и положение тела в пространстве. Но роботы не справляются с этими, казалось бы, простейшими задачами и не способны реагировать на изменчивое окружение. Автоматические системы, как правило, фиксируют информацию всего от одного «органа чувств».
Преодолеть эту проблему попытались создатели системы NeuroGPR. Она обладает мультимодальными сенсорами, в том числе динамическим визуальным, а также датчиками глубины и высоты. Данные с них параллельно обрабатывает нейроморфный чип Tianjic, способный функционировать на мультимодальных гибридных нейросетях. Ученые установили эту систему на четвероногом роботе и продемонстрировали, что он может относительно точно ориентироваться и передвигаться в помещении и на улице при разном освещении. Новый мультисенсорный подход позволил достичь большей точности в оценке местности, чем с датчиками одного типа, и при этом сэкономить энергию.