发表在《机器人的交互式持续学习：一种神经形态方法》中的论文显示，英特尔实验室与意大利理工学院和慕尼黑工业大学合作，推出了一种基于神经网络的对象学习新方法。该方法使用交互式在线对象学习，可使机器人能够在自主部署后学习新对象。

该方法旨在使未来的应用成为可能，例如不受环境约束的交互机器人助手。这些机器人可以在物流、医疗保健或老年护理领域工作。

该方法在模拟环境中使用机器人进行了测试。机器人移动它的“眼睛”，一个基于事件的相机或动态视觉传感器，以主动感知物体。当眼睛跟踪物体时，它会创建事件，这些事件被收集并用于驱动Loihi 芯片上的脉冲神经网络。

Loihi 芯片上的尖峰神经网络架构将学习定位于单层塑料突触，并通过按需招募新神经元来解释从不同角度观察物体的情况。当机器人观察到一个新物体时，它的 SNN 表示会被学习或更新，如果该物体是已知的，网络会识别它并向用户提供相应的反馈。

“当人类学习一个新物体时，他们会看一眼、翻转它、询问它是什么，然后他们能够在各种环境和条件下立即再次识别它，”英特尔神经形态计算实验室和该论文的高级作者Yulia Sandamirskaya说。“我们的目标是将类似的功能应用于未来在交互式环境中工作的机器人，使它们能够适应不可预见的情况并更自然地与人类一起工作。我们与 Loihi 的研究结果强化了神经形态计算对机器人未来的价值。”

使用新开发的方法，英特尔的团队能够在公司的研究芯片 Loihi 上展示持续的交互式学习。与在中央处理单元 (CPU) 上运行的传统方法相比，该芯片在学习新对象时消耗的能量最多可减少 175 倍，其速度和准确性相似。