外媒New Atlas採訪昆士蘭科技大學研究員Tobias Fischer團隊，他們負責研究定位和導航，幫助機器人在不熟悉環境下判斷自身位置。
Fischer解釋，他們負責處理人類互動和交談時所需的社交元素，同時在視覺技術上做許多研究，如透過相機和感測器讓機器人感知世界，使其吸收圖像強度（pixel intensity），以辨識這是車子還是椅子。
Fischer指出，“我專長是用在定位和導航。如果你要求機器人打開洗碗機，它必須先知道如何找到廚房，還要感知物體，並判斷這些行為是有意義還是該忽略。”
也因此，深度神經網絡在這部分發揮效用，但訓練會耗費大量能量。Fischer指出，這些超級電腦所消耗的能量，相當於一座中型城市一年消耗的能源，英特爾Loihi 2芯片提供一種超省電方式，雖然只能運行某種網絡，但能非常有效地運作。
這兩者的效率差距，和數百萬個神經元如何在深度神經網絡中啟動有關。在深度神經網絡中，數億個神經元會在每個處理步驟中啟動，所以耗費相當多能量。而英特爾 Loihi的尖峰神經網絡，每次只有一個非常小的神經元子集被啟動。
當這些芯片夠密集時，可以直接在小型機器人、甚至無人機上運行。Fischer希望這些芯片能幫助他們開發出具有適應性的定位技術，以適應不斷變化的條件。
不過Loihi還是有些缺點，Fischer指出，“英特爾和神經形態研究芯片的問題是，與更多在CPU或GPU運行的傳統演算法相比，我們在穩健和準確這兩部分往往是落後的；跟傳統深度神經網絡相比，這些演算法更難，而且我們還沒取得突破，使其能普遍用於多種場景，增加商業化的吸引力。”◆
