Neuromorphic Computing

Im Mittelpunkt unserer Forschungsaktivitäten steht die Verbesserung der Lernfähigkeit und Intelligenz technischer Systeme, sei es in der Fertigungs-, Automobil- oder Robotikbranche. Dabei stützen wir uns auf Erkenntnisse aus dem Bereich der Neurobiologie und wenden Software-Methoden aus dem Bereich der Künstlichen Intelligenz (KI) und dem Teilbereich des Deep Learning an. Außerdem entwickeln wir Algorithmen und Software für extrem energiesparende neuromorphe Hardware und deren Anwendung im Maschinellen Lernen.

1. Neuromorphe Robotik
   Die energieeffiziente Steuerung mobiler oder industrieller Roboter mit geringer Latenzzeit ist für die autonomen Roboter von morgen von entscheidender Bedeutung. Da Roboter und Objekte immer intelligenter werden, muss immer mehr Künstliche Intelligenz (KI) auf dem Gerät verarbeitet werden, was wiederum die Batterielebensdauer verkürzen muss. Die neuromorph gesteuerte Robotik ist ein wichtiges Thema mit Problemen wie SLAM, Bewegungskontrolle, Online-Lernen, ... In dieser Forschungslinie konzentrieren wir uns auf die Bewegungskontrolle, mit zwei Projekten, eines über das Schwimmen von Robotern (INRC1), eines über das Einsetzen von Objekten mit einem Roboterarm unter Verwendung von Reinforcement Learning (INRC3). Auf der Simulationsseite beteiligen wir uns im Rahmen des Human Brain Projekts an der Entwicklung der Neurorobotik-Platform, die ein zentrales Werkzeug für alle unsere Projekte ist.
    
2. Neuromorphes Sehen
   Die ereignisbasierte Wahrnehmung, insbesondere das Sehen, ist für die Robotik unerlässlich. Diese zweite Forschungslinie dient also eigentlich der ersten, obwohl sie jüngeren Datums ist. In dieser Forschungslinie, die in den Bereichen Automobil, Sicherheit, Militär, Smartphones, Medizin, Haushaltselektronik usw. eingesetzt werden könnte, konzentrieren wir uns auf die mobile Robotik (Drohnen im Projekt FAMOUS), die Industrierobotik (Roboterarm in ELEANOR) und die Mensch-Maschine-Interaktion in einem kommenden Projekt. Wir erforschen auch Möglichkeiten in den Bereichen Raumfahrt und Automobil.

Diese Tutorials richten sich an Ingenieure und F&E-Manager in Unternehmen jeder Größe und bieten Einblicke in eine bahnbrechende Technologie für künstliche Intelligenz auf Edge-Geräten: neuromorphes Computing. Diese Technologie ermöglicht deutliche Fortschritte in Bezug auf Energieeffizienz und Latenzzeiten, mit Leistungssteigerungen um mehrere Größenordnungen.

Ein besonderes Merkmal bestimmter neuromorpher Chips ist die Fähigkeit zum On-Chip- und Online-Lernen, wodurch Systeme anpassungsfähig und selbstoptimierend werden. So können beispielsweise vortrainierte Modelle in Sekunden an neue Benutzer angepasst werden. Neuromorphes Computing eröffnet damit vielseitige Anwendungsmöglichkeiten in Branchen wie Automobiltechnik, Luft- und Raumfahrt, Medizintechnik, Robotik, Logistik, Unterhaltungselektronik und Smartphones und bietet Lösungen für zahlreiche Herausforderungen eingebetteter KI-Anwendungen.

Neuromorphe Hardware