Een onderzoeksteam van de TU Delft heeft een drone ontwikkeld die kan vliegen met behulp van neuromorfe beeldbewerking en besturing gebaseerd op de werking van dierenhersenen. Die toepassingen gebruiken minder energie dan de huidige diepe neurale netwerken die op grafische chips (gpu’s) draaien. De onderzoekers gebruiken de Loihi, een neuromorfe onderzoeks-chip van Intel.
Volgens de universiteit zijn de resultaten veelbelovend. ‘Neuromorfe processoren zijn zeer geschikt voor kleine drones omdat er geen zware en grote hardware en batterijen voor nodig zijn.’ Tijdens de vlucht verwerkt het diepe neurale netwerk van de drone op neuromorfe technologie data tot 64 keer sneller en verbruikt het drie keer minder energie dan bij gebruik van een gpu. Volgens de wetenschappers is met verdere ontwikkelingen van de technologie de sprong te maken naar drones die net zo klein, wendbaar en slim zijn als vliegende insecten of vogels. De bevindingen zijn onlangs gepubliceerd in wetenschapspublicatie Science Robotics.
Dierenhersenen
Kunstmatige intelligentie heeft een groot potentieel om autonome robots te voorzien van de intelligentie die nodig is voor praktische toepassingen. De huidige ai is echter afhankelijk van diepe neurale netwerken waarvoor aanzienlijke rekenkracht nodig is, leggen de wetenschappers uit. ‘Dierenhersenen verwerken informatie op een manier die heel anders is dan de neurale netwerken die op grafische chips (gpu’s) draaien. Biologische neuronen verwerken informatie asynchroon en communiceren voornamelijk via elektrische pulsen, die in het Engels spikes worden genoemd. Omdat het versturen van dergelijke spikes energie kost, minimaliseren de hersenen het spiken, wat leidt tot spaarzame verwerking.’
Eenvoudiger
Geïnspireerd door deze eigenschappen van dierenhersenen, ontwikkelen wetenschappers en technologiebedrijven nieuwe, neuromorfe processoren. Deze nieuwe processoren maken het mogelijk om spikende neurale netwerken te draaien die naar verwachting veel sneller en energie-efficiënter zijn. ‘De berekeningen uitgevoerd door spikende neurale netwerken zijn veel eenvoudiger dan die in standaard diepe neurale netwerken’, zegt Jesse Hagenaars, promovendus en een van de auteurs van het artikel. ‘Terwijl digitale spikende neuronen alleen hele getallen hoeven op te tellen, moeten standaard neuronen kommagetallen vermenigvuldigen en optellen. Dit maakt spikende neurale netwerken sneller en energiezuiniger. Mensen vinden het immers ook veel makkelijker om 5 + 8 te berekenen dan om 6.25 x 3.45 + 4.05 x 3.45 te berekenen.’
In het artikel in Science Robotics demonstreren onderzoekers van de TU Delft voor het eerst een drone die gebruikmaakt van neuromorfe beeldbewerking en besturing voor een autonome vlucht. Specifiek ontwikkelden ze een spikend neuraal netwerk dat de signalen van een neuromorfe camera verwerkt en die omzet tot stuurcommando’s voor de drone. Ze implementeerden dit netwerk op een neuromorfe processor, de Loihi, een neuromorfe onderzoeks-chip van Intel, aan boord van een drone. Dankzij het netwerk kan de drone zijn eigen beweging waarnemen en in alle richtingen besturen.
Game-changer
Guido de Croon, hoogleraar bio-geïnspireerde drones, denkt dat neuromorfe ai een autonome robot intelligenter kan maken. Hij ziet het vooral als een ‘absolute game-changer’ voor kleine autonome robots. ‘Aan de Faculteit Luchtvaart- en Ruimtevaarttechniek van de Technische Universiteit Delft werken we aan kleine autonome drones die gebruikt kunnen worden voor toepassingen variërend van het monitoren van gewassen in kassen tot het bijhouden van voorraden in magazijnen. De voordelen van kleine drones zijn dat ze zeer veilig zijn en kunnen navigeren in nauwe ruimtes zoals tussen rijen tomatenplanten. Bovendien kunnen ze zeer goedkoop zijn, zodat ze in zwermen kunnen worden ingezet. Dit is nuttig om snel een gebied te verkennen, zoals we nodig is voor het redden van mensen of snel lokaliseren van een gaslek.’
Testmethode en uitdagingen
Bekijk hier een uitgebreide versie van het bericht over neuromorfe chips en ai-toepassingen met onder meer een toelichting op de testmethode en uitleg over de uitdagingen rondom autonome besturing van kleine drones.
