Home Notizie recenti Movimenti extra ‘oculari’ sono la chiave per una migliore guida autonoma delle...

Movimenti extra ‘oculari’ sono la chiave per una migliore guida autonoma delle auto

29
0

Credito: Pixabay/CC0 di dominio pubblico

Andrea Benucci e colleghi del RIKEN Center for Brain Science hanno sviluppato un modo per creare reti neurali artificiali che imparano a riconoscere gli oggetti più velocemente e con maggiore precisione. Lo studio, recentemente pubblicato sulla rivista scientifica PLOS Biologia Computazionale, si concentra su tutti i movimenti oculari inosservati che facciamo e mostra che hanno uno scopo fondamentale nel permetterci di riconoscere stabilmente gli oggetti. Questi risultati possono essere applicati alla visione artificiale, ad esempio, rendendo più facile per le auto a guida autonoma imparare a riconoscere caratteristiche importanti sulla strada.

Nonostante i continui movimenti della testa e degli occhi durante il giorno, gli oggetti nel mondo non si confondono o diventano irriconoscibili, anche se le informazioni fisiche che colpiscono la nostra retina cambiano costantemente. Ciò che probabilmente rende possibile questa stabilità percettiva sono le copie neurali dei comandi di movimento. Queste copie vengono inviate in tutto il cervello ogni volta che ci muoviamo e si pensa che consentano al cervello di rendere conto dei nostri movimenti e mantenere stabile la nostra percezione.

Oltre alla percezione stabile, le prove suggeriscono che i movimenti oculari e le loro copie motorie potrebbero anche aiutarci a riconoscere stabilmente gli oggetti nel mondo, ma come ciò avvenga rimane un mistero. Benucci ha sviluppato una rete neurale convoluzionale (CNN) che offre una soluzione a questo problema. La CNN è stata progettata per ottimizzare la classificazione degli oggetti in una scena visiva mentre gli occhi si muovono.

In primo luogo, la rete è stata addestrata a classificare 60.000 immagini in bianco e nero in 10 categorie. Sebbene abbia funzionato bene su queste immagini, quando testato con immagini spostate che imitavano input visivi naturalmente alterati che si sarebbero verificati quando gli occhi si muovevano, le prestazioni sono scese drasticamente a un livello casuale. Tuttavia, la classificazione è migliorata in modo significativo dopo aver addestrato la rete con immagini spostate, purché siano state incluse anche la direzione e le dimensioni dei movimenti oculari che hanno determinato lo spostamento.

In particolare, l’aggiunta dei movimenti oculari e delle loro copie motorie al modello di rete ha consentito al sistema di affrontare meglio il rumore visivo nelle immagini. “Questo progresso aiuterà a evitare pericolosi errori nella visione artificiale”, afferma Benucci. “Con una visione artificiale più efficiente e robusta, è meno probabile che le alterazioni dei pixel, note anche come “attacchi contraddittori”, inducano, ad esempio, le auto a guida autonoma a etichettare un segnale di stop come un palo della luce o i droni militari a classificare erroneamente un edificio ospedaliero come bersaglio nemico”.

Portare questi risultati nella visione artificiale del mondo reale non è così difficile come sembra. Come spiega Benucci, “i vantaggi di imitare i movimenti oculari e le loro copie efferenti implicano che ‘forzare’ un sensore di visione artificiale ad avere tipi di movimento controllati, informando la rete di visione incaricata di elaborare le immagini associate sui movimenti autogenerati , renderebbe la visione artificiale più robusta e simile a quella sperimentata nella visione umana”.

Il prossimo passo in questa ricerca riguarderà la collaborazione con i colleghi che lavorano con le tecnologie neuromorfiche. L’idea è quella di implementare circuiti reali a base di silicio basati sui principi evidenziati in questo studio e verificare se migliorano le capacità di visione artificiale nelle applicazioni del mondo reale.


Articolo precedenteIl maltempo crea tempesta perfetta per chi soffre di asma
Articolo successivoDanno morale: cosa succede quando gli operatori sanitari esausti non possono più fornire le cure che desiderano per i loro pazienti