Skip to main content

SenseMaker: A Multi-sensory, Task-specific, Adaptable perception System

Article Category

Article available in the folowing languages:

Maszyny wyczuwają swoje środowisko

Pod wpływem fascynacji sposobem, w jaki ludzki mózg przetwarza informacje czuciowe, w ramach projektu SENSEMAKER zastosowano sztuczne sieci neuronowe w sprzęcie komputerowym umożliwiającym ich konfigurację.

Gospodarka cyfrowa

Kluczowym elementem sztucznych sieci neuronowych jest oryginalna struktura systemu przetwarzania informacji. System ten składa się z dużej liczby jednostek przetwarzania, zwanych neuronami, o wysokim stopniu wzajemnych połączeń, pracujących równolegle, by rozwiązać określony problem. Neurony impulsowe różnią się od konwencjonalnych sztucznych sieci neuronowych, ponieważ informacje przesyłane są przy pomocy impulsów, a nie poprzez zmiany tempa wyładowań. Partnerzy projektu SENSEMAKER doszli do przekonania, że właściwość ta umożliwia sieciom neuronów impulsowych osiągnięcie bogatej dynamiki, wymaganej przy aplikacjach w czasie rzeczywistym. W sytuacji zastosowania do równoległej pracy systemów komputerowych z możliwością rekonfiguracji, sieci neuronowe mogą wykorzystywać w pełni swoją nieodłączną równoległość oraz pracować o rzędy wielkości szybciej od układów oprogramowania symulacji. Opracowywanie układów scalonych dla specyficznej aplikacji (ASIC) w zastosowaniu do sieci neuronowych jest jednak zarówno pracochłonne, jak też kosztowne. Toteż naukowcy z Uniwersytetu Ulster w Wielkiej Brytanii skoncentrowali swoją uwagę na programowalnych układach logicznych (FPGA), posiadających ułożenie elementów logicznych możliwe do łatwego konfigurowania. Dokładniej rzecz biorąc, uaktualniony strumień bitów (bitstream) może być pobrany bezpośrednio do urządzenia w celu osiągnięcia wymaganej zmiany w systemie. Aby umożliwić wykorzystanie odpowiedzi biologicznie prawdopodobnej sieci neuronowej, do platformy programowalnych układów logicznych (FPGA) wprowadzono model neuronowy "całkuj i strzelaj" (Integrate & Fire) w wersji opartej na przewodności. W celu trenowania sieci neuronowej do sprzętu komputerowego wprowadzona została także zainspirowana biologicznie forma plastyczności neuronalnej uzależniona czasowo od iglic (STDP). Dzięki wykorzystaniu w pełni równoległego zastosowania tego modelu, liczba wprowadzonych neuronów została ograniczona do liczby wbudowanych układów mnożących. Z drugiej strony, architektura multipleksowana czasowo umożliwiła korzystny kompromis pomiędzy szybkością obliczania a wielkością sieci neuronowej. Opracowany w pełni system przebadany został poprzez przeprowadzenie transformacji współrzędnych z obiecującymi rezultatami. Aplikacja ta powstała w ramach części projektu SENSEMAKER, z założeniem stworzenia układu sprzętu komputerowego, zdolnego do łączenia danych z wielu czujników, oraz do pewnego stopnia percepcyjnie wyczuwającego swoje środowisko. Transformacje współrzędnych przekształcają kąty czujnika dotykowego na współrzędne (x,y), które są wykorzystywane z kolei do generowania odpowiednika obrazu dotykowego w badanej przestrzeni. Jest sprawą jednak oczywistą, iż celem osiągnięcia pracy w czasie rzeczywistym, konieczne będą dalsze udoskonalenia we wprowadzaniu programowalnych układów logicznych (FPGA).

Znajdź inne artykuły w tej samej dziedzinie zastosowania