Spoznanja o mravljah vodijo do preboja na področju robotske navigacije

TU Delft

te se kdaj vprašali, kako lahko žuželke potujejo tako daleč izven svojega doma in še vedno najdejo pot nazaj? Odgovor na to vprašanje ni pomemben le za biologijo, temveč tudi za izdelavo umetne inteligence za majhne avtonomne robote.

Raziskovalce TU Delft, ki raziskujejo na področju z droni, so navdihnile biološke ugotovitve o tem, kako mravlje vizualno prepoznavajo svoje okolje in ga kombinirajo s štetjem svojih korakov, da se varno vrnejo domov.

Ta spoznanja so uporabili za oblikovanje strategije avtonomne navigacije za majhne in lahke robote, ki so jo navdihnile žuželke. Strategija omogoča, da se takšni roboti po dolgih poteh vrnejo domov, pri tem pa potrebujejo zelo malo računanja in pomnilnika (1,16 kiloBajta na 100 m). Majhni avtonomni roboti bi lahko v prihodnosti našli široko uporabo, od nadzora zalog v skladiščih do iskanja uhajanja plina v industrijskih obratih. Raziskovalci so svoje ugotovitve objavili v reviji Science Robotics.

Zavzemanje za majhnega robota
Majhni roboti, ki tehtajo od nekaj deset do nekaj sto gramov, lahko v resničnem svetu opravljajo številne zanimive naloge. Zaradi svoje majhne teže so izjemno varni, tudi če po naključju v koga trčijo. Ker so majhni, lahko krmarijo po ozkih območjih. Če jih je mogoče izdelati poceni, jih je mogoče uporabiti v večjem številu, tako da lahko hitro pokrijejo veliko območje, na primer v rastlinjakih za zgodnje odkrivanje škodljivcev ali bolezni. Vendar pa je tako majhne robote težko usposobiti za samostojno delovanje, saj imajo v primerjavi z večjimi roboti zelo omejene vire.

Glavna ovira za uporabo majhnih robotov je, da bodo morali biti za uporabo v resničnem svetu sposobni samostojne navigacije. Pri tem lahko robotom pomaga zunanja infrastruktura. Uporabljajo lahko ocene lokacije iz GPS satelitov na prostem ali iz brezžičnih komunikacijskih svetilnikov v zaprtih prostorih. Vendar pogosto ni zaželeno, da se zanašamo na takšno infrastrukturo. GPS ni na voljo v zaprtih prostorih in je lahko zelo nenatančen v nepreglednih okoljih, na primer v mestnih kanjonih. Namestitev in vzdrževanje svetilnikov v zaprtih prostorih pa sta precej draga ali preprosto nemogoča, na primer v scenarijih iskanja in reševanja.

Umetna inteligenca, ki je potrebna za avtonomno navigacijo samo z vgrajenimi viri, je bila ustvarjena za velike robote, kot so samovozeči avtomobili. Nekateri pristopi temeljijo na težkih, energetsko potratnih senzorjih, kot so LiDAR laserski merilniki, ki jih majhni roboti preprosto ne morejo nositi ali poganjati. Drugi pristopi uporabljajo vid, ki je energijsko zelo varčen senzor, ki zagotavlja bogate informacije o okolju. Vendar ti pristopi običajno poskušajo ustvariti zelo podrobne tridimenzionalne zemljevide okolja. To zahteva velike količine procesiranja in pomnilnika, ki jih lahko zagotovijo le računalniki, ki so za majhne robote preveliki in preveč energetsko potratni.

Štetje korakov in vidne drobtinice
Zato so se nekateri raziskovalci po navdih obrnili v naravo. Žuželke so še posebej zanimive, saj delujejo na razdaljah, ki bi lahko bile pomembne za številne aplikacije v resničnem svetu, pri tem pa uporabljajo zelo skromne senzorske in računalniške vire. Biologi vse bolje razumejo osnovne strategije, ki jih uporabljajo žuželke. Žuželke združujejo spremljanje lastnega gibanja (t. i. „odometrija“) z vizualno vodenim vedenjem, ki temelji na njihovem nizkoresolucijskem, vendar skoraj vsesmernem vizualnem sistemu (t. i. „spomin pogleda“).

Medtem ko je odometrija vse bolje poznana celo na ravni nevronov, so natančni mehanizmi, na katerih temelji spomin na pogled, še vedno slabše poznani. Zato obstaja več konkurenčnih teorij o tem, kako žuželke uporabljajo vid za navigacijo. Ena od prvih teorij predlaga model „posnetka“. Po tem modelu naj bi žuželka, kot je mravlja, občasno naredila posnetek svojega okolja. Kasneje, ko se žuželka približa posnetku, lahko primerja svojo trenutno vidno zaznavo s posnetkom in se premakne, da bi zmanjšala razlike. To žuželki omogoča navigacijo ali „vrnitev domov“ na lokacijo posnetka, s čimer se odpravi vsakršno odklonsko gibanje, ki neizogibno nastane, če se izvaja samo odometrija.

„Navigacijo na podlagi posnetkov lahko primerjamo s tem, kako se je Janko v pravljici o Janku in Metki znašel, dase z Metko nista izgubila. Ko je Janko metal kamenje na tla, se je lahko vrnil domov. Ko pa je vrgel drobtine, ki so jih pojedle ptice, sta se Janko in Metka izgubila. V našem primeru so kamni posnetki,“ pravi Tom van Dijk, prvi avtor študije: “Tako kot pri kamnu mora biti robot, da posnetek deluje, dovolj blizu lokacije posnetka. Če se vizualna okolica preveč razlikuje od tiste na lokaciji posnetka, se lahko robot premakne v napačno smer in se nikoli več ne vrne nazaj. Zato je treba uporabiti dovolj posnetkov – ali v primeru Jankota spustiti zadostno število kamnov. Po drugi strani pa bi s spuščanjem kamnov, ki bi bili preblizu drug drugemu, prehitro izčrpali Jankotove kamne. V primeru robota uporaba prevelikega števila posnetkov povzroči veliko porabo pomnilnika. V prejšnjih delih na tem področju so bili posnetki običajno zelo blizu drug drugemu, tako da se je lahko robot najprej vizualno vrnil na en posnetek in nato na naslednjega.“

„Glavno spoznanje, na katerem temelji naša strategija je, da lahko posnetke razmaknete precej bolj narazen, če robot potuje med posnetki na podlagi odometrije,“ pravi Guido de Croon, redni profesor za biološko navdihnjena brezpilotna letala in soavtor članka. “Napotitev bo delovala, dokler bo robot končal dovolj blizu lokacije posnetka, tj. dokler bo robotova odometrija spadala v območje zajemanja posnetka. To robotu omogoča tudi veliko daljše potovanje, saj robot leti veliko počasneje, ko se napoti na posnetek, kot če leti od enega do drugega posnetka na podlagi odometrije.“
Predlagana navigacijska strategija, ki so jo navdihnile žuželke, je 56-gramskemu dronu CrazyFlie, opremljenemu z vsesmerno kamero, omogočila premagovanje razdalj do 100 metrov s samo 1,16 kiloBajta pomnilnika. Vsa vizualna obdelava je potekala na majhnem mikrokontrolerju, ki ga je mogoče najti v številnih poceni elektronskih napravah.

Uporaba robotske tehnologije v praksi
„Predlagana navigacijska strategija, ki so jo navdihnile žuželke, je pomemben korak na poti do uporabe majhnih avtonomnih robotov v resničnem svetu,“ pravi Guido de Croon. “Funkcionalnost predlagane strategije je bolj omejena kot funkcionalnost najsodobnejših navigacijskih metod. Ne ustvarja zemljevida in robotu omogoča le, da se vrne na izhodiščno točko. Kljub temu je to za številne aplikacije več kot dovolj. Na primer, za sledenje zalogam v skladiščih ali spremljanje pridelkov v rastlinjakih bi lahko brezpilotna letala odletela, zbrala podatke in se nato vrnila na bazno postajo. Slike, pomembne za nalogo, bi lahko shranili na majhno SD kartico in jih nato obdelali v strežniku. Vendar slik ne bi potrebovali za navigacijo.“

https://www.tudelft.nl

Sorodni članki

Zadnji članki

test2

test1 test2 test3

test

test1 test2 test3

Svet mehatronike 49

Ste se kdaj vprašali, kako lahko žuželke potujejo tako daleč izven svojega gnezda in še vedno najdejo pot? Odgovor na to vprašanje ni pomemben le za biologijo, temveč tudi za izdelavo umetne inteligence za majhne avtonomne robote. Raziskovalce TU Delft, ki se ukvarjajo z droni, so navdihnile biološke ugotovitve o tem, kako mravlje vizualno prepoznavajo svoje okolje in ga kombinirajo s štetjem svojih korakov, da se varno vrnejo domov.

Želite biti na tekočem z najnovejšimi novicami?

Radi bi vas slišali! Prosimo, izpolnite svoje podatke in ostali bomo v stiku. Tako preprosto je!