Несмотря на значительный прогресс современной робототехники, автономные машины все еще не умеют самостоятельно ориентироваться в сложной и незнакомой среде. К тому же, они часто зависят от навигационных систем с ИИ, обучение которых требует значительных вычислительных и энергетических ресурсов. Животные, с другой стороны, отлично приспособлены передвижению в меняющемся ландшафте.

«ИНС — это искусственная нейронная сеть, имитирующая процессы обработки информации биологического мозга при помощи кратких, дискретных сигналов, во многом напоминающих общение нейронов в мозге животных, — сказала Сомайлех Хуссаини из Квинслендского технологического университета, глава научной группы. — Эти сети особенно хорошо подходят для нейроморфных компьютеров — специального вычислительного оборудования, которое моделирует биологические нейронные системы и позволяет быстрее обрабатывать информацию и тратить на это меньше энергии».

Система, разработанная австралийскими учеными, использует небольшие модули нейросети для распознавания определенных мест на изображениях, пишет Science Daily. Эти модули комбинируются в ансамбль, группу из нескольких импульсных нейросетей, которая приобретает способность учиться ориентироваться в большом пространстве.

Использование последовательности изображений вместо одного изображения позволило адаптировать систему к изменениям внешнего вида пространства на протяжении времени и при смене времен года и погодных условий. Система была успешно испытана роботом с ограниченными ресурсами и прошла проверку на осуществимость концепции.

Инженеры из США разработали технологию RoVi-Aug, которая позволяет роботам автономно учиться друг у друга. В основе этого метода лежит обучение модели выявлять и использовать причинно-следственные связи между действиями робота и выполняемыми задачами.