Gridbot--知道該去哪裡的機器人
羅格斯大學(Rutgers University）計算腦科學實驗室(Computational Brain Lab)開發出一台機械小車Gridbot，不同於一般機器人設計，這台機械車的控制核心是一個脈衝神經網路(Spiking Neural Network, SNN)， 如同生物神經細胞透過動作電位(action potential)傳遞訊息一樣，是一般人工智慧領域的人工神經網路不具有的特徵。他們在Gridbot上所設計的神經網路採用現今哺乳動物腦中所發現的導航迴路， (head direction cell)、邊界細胞（border cell）、網格細胞（grid cell）與位置細胞(place cell)等構成的生物導航系統，並且實作了兩種重要的神經機制：STDP(spike-timing-dependent plasticity)與樹突加乘(dendritic multiplication)， 可以達成簡單的學習行為。整個系統是建立在ROS(Robot Operating System)之上，具有高度可移植性。
為了測試Gridbot的導航與學習表現，研究團隊設計了一個雙T形迷宮實驗(double T maze)，實驗共分三階段。第一階段是讓機器人沿著迷宮邊緣行走，配備RGB-D相機，得以感測物體色彩與距離，透過這個過程機器人會學習整個環境的邊界， 並記憶在grid cell和place cell之間的連結中；第二階段是讓機器人在環境中隨意行走，接續建立環境中非邊界區域的空間記憶；第三階段移除來自相機的刺激讓機器人在環境中任意移動，也就是單憑前面習得的空間記憶，能達到不碰到障礙物的任務。 另外還能在迷宮中標示不同顏色的色塊供機器人辨識，在神經迴路中亦有設計目標細胞(goal cell)來記憶目標的位置，這也提供Gridbot更多發展可能。
整個系統共由1321顆神經元構成，就現今的運算技術而言，還不能很有效率地在行動裝置上運算，不過最近許多類神經網路晶片(neuromorphic chip)、AI晶片活躍發展，在不久的將來在行動裝置上實現大型神經網路的模擬將是可能，儼然成為AI發展的一個熱門題材。
撰文：姚皇宇
原始論文：G. Tang and K. P. Michmizos, “Gridbot: An Autonomous Robot Controlled by a Spiking Neural Network Mimicking the Brain’s Navigational System,” in Proceedings of the International Conference on Neuromorphic Systems, New York, NY, USA, 2018, pp. 4:1–4:8.
https://dl.acm.org/citation.cfm?id=3229884.3229888
為了測試Gridbot的導航與學習表現，研究團隊設計了一個雙T形迷宮實驗(double T maze)，實驗共分三階段。第一階段是讓機器人沿著迷宮邊緣行走，配備RGB-D相機，得以感測物體色彩與距離，透過這個過程機器人會學習整個環境的邊界， 並記憶在grid cell和place cell之間的連結中；第二階段是讓機器人在環境中隨意行走，接續建立環境中非邊界區域的空間記憶；第三階段移除來自相機的刺激讓機器人在環境中任意移動，也就是單憑前面習得的空間記憶，能達到不碰到障礙物的任務。 另外還能在迷宮中標示不同顏色的色塊供機器人辨識，在神經迴路中亦有設計目標細胞(goal cell)來記憶目標的位置，這也提供Gridbot更多發展可能。
整個系統共由1321顆神經元構成，就現今的運算技術而言，還不能很有效率地在行動裝置上運算，不過最近許多類神經網路晶片(neuromorphic chip)、AI晶片活躍發展，在不久的將來在行動裝置上實現大型神經網路的模擬將是可能，儼然成為AI發展的一個熱門題材。
撰文：姚皇宇
原始論文：G. Tang and K. P. Michmizos, “Gridbot: An Autonomous Robot Controlled by a Spiking Neural Network Mimicking the Brain’s Navigational System,” in Proceedings of the International Conference on Neuromorphic Systems, New York, NY, USA, 2018, pp. 4:1–4:8.
https://dl.acm.org/citation.cfm?id=3229884.3229888
留言
張貼留言