자율 로봇을 위한 동물의 두뇌에서 영감을 받은 AI 게임 체인저

델프트 공과대학 연구팀이 동물 뇌의 작동을 기반으로 뉴로모픽 이미지 처리 및 제어를 사용해 자율적으로 비행하는 드론을 개발했습니다. 동물의 두뇌는 GPU(그래픽 칩)에서 실행되는 현재의 심층 신경망에 비해 데이터와 에너지를 덜 사용합니다. 따라서 뉴로모픽 프로세서는 무겁고 큰 하드웨어와 배터리가 필요하지 않기 때문에 소형 드론에 매우 적합합니다. 그 결과는 놀라웠습니다. 비행 중에 드론의 심층 신경망은 GPU에서 실행할 때보다 최대 64배 더 빠르게 데이터를 처리하고 3배 더 적은 에너지를 소비합니다. 이 기술의 추가 개발을 통해 드론은 날아다니는 곤충이나 새만큼 작고, 민첩하고, 똑똑해질 수 있습니다. 연구 결과는 최근에 발표되었습니다. 과학로봇공학.

동물의 뇌에서 배우기: 신경망 급증

인공지능은 자율 로봇에 실제 응용에 필요한 지능을 제공할 수 있는 큰 잠재력을 가지고 있습니다. 그러나 현재의 AI는 상당한 컴퓨팅 성능이 필요한 심층 신경망에 의존합니다. 심층 신경망(그래픽 처리 장치, GPU)을 실행하기 위해 만들어진 프로세서는 상당한 양의 에너지를 소비합니다. 특히 비행 드론과 같은 소형 로봇의 경우 감지 및 컴퓨팅 측면에서 매우 제한된 리소스만 운반할 수 있기 때문에 이는 문제가 됩니다.

동물의 두뇌는 GPU에서 실행되는 신경망과 매우 다른 방식으로 정보를 처리합니다. 생물학적 뉴런은 정보를 비동기적으로 처리하며 대부분 전기 펄스라고 불리는 전기 펄스를 통해 통신합니다. 스파이크. 이러한 스파이크를 보내는 데는 에너지가 필요하기 때문에 뇌는 스파이크를 최소화하여 처리를 희박하게 만듭니다.

동물 두뇌의 이러한 특성에서 영감을 받아 과학자와 기술 기업은 새로운, 신경형의 프로세서. 이러한 새로운 프로세서를 사용하면 급증하는 신경망을 실행할 수 있으며 훨씬 더 빠르고 에너지 효율적일 수 있습니다.

“스파이킹 신경망에서 수행되는 계산은 표준 심층 신경망의 계산보다 훨씬 간단합니다.”라고 해당 기사의 저자 중 한 명인 PhD 후보자인 Jesse Hagenaars는 말합니다. “디지털 스파이킹 뉴런은 정수만 추가하면 되지만 표준 뉴런은 부동 소수점 숫자를 곱하고 더하는 것입니다. 이렇게 하면 스파이크 신경망이 더 빠르고 에너지 효율적이 됩니다. 이유를 이해하려면 인간이 6.25 x 3.45 + 4.05 x 3.45를 계산하는 것보다 5 + 8을 계산하는 것이 훨씬 쉽다는 것을 생각해 보십시오.

뉴로모픽 프로세서를 뉴로모픽 카메라와 같은 뉴로모픽 센서와 함께 사용하면 이러한 에너지 효율성이 더욱 향상됩니다. 이러한 카메라는 고정된 시간 간격으로 이미지를 만들지 않습니다. 대신, 각 픽셀은 밝아지거나 ​​어두워질 때만 신호를 보냅니다. 이러한 카메라의 장점은 움직임을 훨씬 더 빠르게 인식할 수 있고 에너지 효율적이며 어둡거나 밝은 환경 모두에서 잘 작동한다는 것입니다. 더욱이 뉴로모픽 카메라의 신호는 뉴로모픽 프로세서에서 실행되는 신경망에 직접 공급될 수 있습니다. 이들은 함께 자율 로봇, 특히 비행 드론과 같은 작고 민첩한 로봇을 위한 거대한 원동력을 형성할 수 있습니다.

최초의 뉴로모픽 비전 및 비행 드론 제어

에 게재된 기사에서 과학로봇공학 2024년 5월 15일, 네덜란드 델프트 공과대학의 연구원들이 자율 비행을 위해 뉴로모픽 비전과 제어를 사용하는 드론을 처음으로 시연했습니다. 구체적으로 그들은 뉴로모픽 카메라의 신호를 처리하고 드론의 ​​자세와 추력을 결정하는 제어 명령을 출력하는 스파이크 신경망을 개발했습니다. 그들은 이 네트워크를 드론 탑재 뉴로모픽 프로세서인 Intel의 Loihi 뉴로모픽 연구 칩에 배포했습니다. 네트워크 덕분에 드론은 모든 방향에서 자체 동작을 인식하고 제어할 수 있습니다.

연구에 참여한 연구원 중 한 명인 Federico Paredes-Vallés는 “우리는 많은 어려움에 직면했습니다. 그러나 가장 어려운 것은 상상하는 것이었습니다.”라고 말했습니다. 어떻게 훈련이 충분히 빨라지도록 스파이킹 신경망을 훈련할 수 있습니다. 그리고 훈련된 네트워크는 실제 로봇에서 잘 작동할 것입니다. 결국 우리는 두 개의 모듈로 구성된 네트워크를 설계했습니다. 첫 번째 모듈은 움직이는 뉴로모픽 카메라의 신호에서 동작을 시각적으로 인식하는 방법을 학습합니다. 이는 카메라의 데이터만을 기반으로 자체 감독 방식으로 완전히 자체적으로 수행됩니다. 이는 동물이 스스로 세상을 인식하는 법을 배우는 것과 유사합니다. 두 번째 모듈은 시뮬레이터에서 추정된 동작을 제어 명령에 매핑하는 방법을 학습합니다. 이 학습은 드론을 더 잘 제어하는 ​​네트워크가 자손을 생산할 가능성이 더 높은 시뮬레이션의 인위적인 진화에 의존했습니다. 인공 진화의 여러 세대에 걸쳐 스파이킹 신경망은 점점 더 잘 제어할 수 있게 되었고 마침내 다른 속도로 어느 방향으로든 날 수 있게 되었습니다. 우리는 두 모듈을 모두 교육하고 이를 병합할 수 있는 방법을 개발했습니다. 병합된 네트워크가 실제 로봇에서 즉시 잘 작동하는 것을 확인하게 되어 기뻤습니다.”

뉴로모픽 비전과 제어 기능을 갖춘 드론은 어두운 곳에서 밝은 곳까지 다양한 조명 조건에서 다양한 속도로 비행할 수 있습니다. 깜박이는 빛으로 날아갈 수도 있는데, 이로 인해 뉴로모픽 카메라의 픽셀은 동작과 관련 없는 수많은 신호를 네트워크에 보냅니다.

뉴로모픽 AI로 에너지 효율 및 속도 향상

“중요하게도 우리의 측정 결과는 뉴로모픽 AI의 잠재력을 확인시켜 줍니다. 네트워크는 초당 평균 274~1600회 실행됩니다. 동일한 네트워크를 소형 내장 GPU에서 실행하면 초당 평균 25회만 실행됩니다. 게다가 네트워크를 실행할 때 Intel의 Loihi 뉴로모픽 연구 칩은 1.007와트를 소비하며, 그 중 1와트는 칩을 켤 때 프로세서가 소비하는 유휴 전력입니다. 이에 비해 동일한 네트워크를 실행할 때 내장된 GPU는 3와트를 소비하며, 그 중 1와트는 유휴 전력이고 2와트는 네트워크 실행에 사용됩니다. 뉴로모픽 접근 방식을 통해 AI는 더 빠르고 효율적으로 실행됩니다. 훨씬 더 작은 자율 로봇에 배포하는 것입니다.”라고 뉴로모픽 드론 분야의 박사 과정 후보자인 Stein Stroobants는 말합니다.

소형 로봇을 위한 뉴로모픽 AI의 미래 응용 분야

생체모방 드론 교수인 Guido de Croon은 “뉴로모픽 AI는 모든 자율 로봇을 더욱 지능적으로 만들 수 있을 것입니다. 그러나 이는 작은 자율 로봇을 위한 절대적 원동력입니다. 델프트 공과대학교 항공우주공학부에서 우리는 온실의 작물 모니터링부터 창고의 재고 추적에 이르기까지 다양한 용도로 사용할 수 있는 소형 자율 드론의 장점은 매우 안전하고 토마토 식물 사이와 같은 좁은 환경에서도 탐색할 수 있다는 것입니다. , 그들은 매우 저렴할 수 있으므로 떼로 배치할 수 있습니다. 이는 탐사 및 가스 소스 위치 파악 설정에서 보여준 것처럼 지역을 보다 빠르게 포괄하는 데 유용합니다.”

“현재 작업은 이 방향으로 나아가는 큰 진전입니다. 그러나 이러한 응용 프로그램의 실현은 뉴로모픽 하드웨어를 더욱 축소하고 탐색과 같은 보다 복잡한 작업에 대한 기능을 확장하는 데 달려 있습니다.”

출처: https://www.sciencedaily.com/releases/2024/05/240515164207.htm