بینش مورچه ها منجر به پیشرفت در مسیریابی ربات می شود

آیا تا به حال به این فکر کرده اید که چگونه حشرات می توانند تا این حد فراتر از خانه خود بروند و همچنان راه خود را پیدا کنند؟ پاسخ به این سوال نه تنها به زیست شناسی مربوط می شود، بلکه به ساخت هوش مصنوعی برای روبات های کوچک و خودمختار نیز مربوط می شود. محققان پهپادهای TU Delft از یافته‌های بیولوژیکی الهام گرفتند که چگونه مورچه‌ها محیط خود را به صورت بصری تشخیص می‌دهند و آن را با شمارش قدم‌هایشان ترکیب می‌کنند تا ایمن به خانه بازگردند. آنها از این بینش برای ایجاد یک استراتژی ناوبری مستقل با الهام از حشرات برای روبات‌های کوچک و سبک استفاده کرده‌اند. این استراتژی به چنین روبات هایی اجازه می دهد تا پس از طی مسیرهای طولانی به خانه بازگردند، در حالی که به محاسبات و حافظه بسیار کمی نیاز دارند (0.65 کیلوبایت در هر 100 متر). در آینده، ربات‌های کوچک خودران می‌توانند کاربردهای گسترده‌ای پیدا کنند، از نظارت بر انبارها در انبارها تا یافتن نشت گاز در سایت‌های صنعتی. محققان یافته های خود را در Science Robotics در 17 جولای 2024 منتشر کردند.

ربات های کوچک، از ده ها تا چند صد گرم، پتانسیل کاربردهای جالب دنیای واقعی را دارند. با وزن سبک خود، حتی اگر تصادفاً با کسی برخورد کنند، بسیار ایمن هستند. از آنجایی که آنها کوچک هستند، می توانند در مناطق باریک حرکت کنند. و اگر بتوان آنها را ارزان ساخت، می توان آنها را در تعداد بیشتری مستقر کرد، به طوری که می توانند به سرعت منطقه بزرگی را پوشش دهند، به عنوان مثال در گلخانه ها برای تشخیص زودهنگام آفات یا بیماری ها.

با این حال، ساختن چنین روبات‌های کوچکی به تنهایی کار دشواری است، زیرا در مقایسه با روبات‌های بزرگ‌تر، منابع بسیار محدودی دارند. یک مانع بزرگ این است که آنها باید بتوانند به تنهایی حرکت کنند. برای این کار ربات ها می توانند از زیرساخت های خارجی کمک بگیرند. آنها می توانند از تخمین موقعیت مکانی از ماهواره های GPS در فضای باز یا از چراغ های ارتباطی بی سیم در داخل خانه استفاده کنند. با این حال، اغلب اتکا به چنین زیرساخت هایی مطلوب نیست. GPS در داخل خانه در دسترس نیست و می تواند در محیط های بهم ریخته مانند دره های شهری بسیار نادرست باشد. و نصب و نگهداری بیکن ها در فضاهای داخلی بسیار گران است یا به سادگی امکان پذیر نیست، به عنوان مثال در سناریوهای جستجو و نجات.

هوش مصنوعی لازم برای ناوبری خودمختار تنها با منابع داخلی با در نظر گرفتن روبات‌های بزرگ مانند اتومبیل‌های خودران ساخته شده است. برخی از رویکردها بر حسگرهای سنگین و پرقدرت مانند رنجرهای لیزری LiDAR تکیه می‌کنند که نمی‌توانند به سادگی توسط ربات‌های کوچک حمل شوند یا از آن استفاده کنند. سایر رویکردها از حس بینایی استفاده می کنند که یک حسگر بسیار کارآمد است که اطلاعات غنی از محیط را ارائه می دهد. با این حال، این رویکردها معمولاً تلاش می‌کنند تا نقشه‌های سه بعدی بسیار دقیقی از محیط ایجاد کنند. این نیاز به حجم زیادی از پردازش و حافظه دارد که فقط توسط رایانه‌هایی که برای ربات‌های کوچک بسیار بزرگ و پرقدرت هستند قابل ارائه است.

شمارش مراحل و خرده نان بصری

به همین دلیل است که برخی از محققان برای الهام گرفتن به طبیعت روی آورده اند. حشرات به ویژه جالب هستند زیرا در فواصل مختلف کار می کنند که می تواند به بسیاری از برنامه های کاربردی دنیای واقعی مرتبط باشد، در حالی که از منابع سنجش و محاسبات بسیار کمیاب استفاده می کنند. زیست شناسان درک فزاینده ای از استراتژی های اساسی مورد استفاده حشرات دارند. به طور خاص، حشرات ردیابی حرکت خود را (به نام “سنجش ​​کیلومتر”) با رفتارهای هدایت شده بصری بر اساس سیستم بینایی کم وضوح، اما تقریباً همه جهته (معروف به “حافظه مشاهده”) ترکیب می کنند. در حالی که کیلومتر شماری حتی تا سطح عصبی به طور فزاینده ای به خوبی درک می شود، مکانیسم های دقیق زیربنای حافظه دید هنوز کمتر شناخته شده است. یکی از اولین تئوری ها در مورد این که چگونه این کار را انجام می دهد، یک مدل “عکس فوری” را پیشنهاد می کند. در آن، حشره‌ای مانند مورچه پیشنهاد می‌شود که گهگاه از محیط خود عکس‌های فوری تهیه کند. بعداً، زمانی که حشره به عکس فوری می رسد، می تواند درک بصری فعلی خود را با عکس فوری مقایسه کند و برای به حداقل رساندن تفاوت ها حرکت کند. این به حشره اجازه می دهد تا به مکان عکس فوری حرکت کند، یا “خانه”، هر گونه رانشی را که به ناگزیر فقط هنگام انجام کیلومتر شماری ایجاد می شود، از بین می برد.

“ناوبری مبتنی بر عکس فوری را می توان با نحوه تلاش هانسل برای گم نشدن در افسانه هانسل و گرتل مقایسه کرد. وقتی هانس روی زمین سنگ می انداخت، می توانست به خانه بازگردد. با این حال، وقتی خرده های نان را پرتاب کرد که توسط آنها خورده شده بود. پرندگان، هانس و گرتل گم شدند در مورد ما، سنگ ها عکس های فوری هستند. تام ون دایک، نویسنده اول این مطالعه، می‌گوید: “همانطور که در مورد یک سنگ، برای اینکه یک عکس فوری کار کند، ربات باید به اندازه کافی به محل عکس فوری نزدیک باشد. اگر محیط بصری اطراف بسیار متفاوت از مکان عکس فوری باشد، ربات ممکن است در جهت اشتباه حرکت کند و دیگر هرگز به عقب برنگردد، از این رو، باید از عکس های فوری استفاده کرد – یا در مورد هانسل، سنگ ها را به اندازه کافی رها کرد تا به یکدیگر نزدیک شوند در مورد یک ربات، استفاده از عکس های فوری بسیار زیاد منجر به مصرف زیاد حافظه می شود. بعدی.”

Guido de Croon، استاد کامل پهپادهای الهام گرفته از زیستی و یکی از نویسندگان مقاله، می‌گوید: «بینش اصلی زیربنای استراتژی ما این است که اگر ربات بین عکس‌های فوری بر اساس کیلومتر شماری حرکت کند، می‌توانید عکس‌های فوری را از هم دورتر قرار دهید.» تا زمانی که ربات به اندازه کافی نزدیک به محل عکس فوری باشد، کار می کند، یعنی تا زمانی که رانش کیلومتر سنجی ربات در حوضه آبریز عکس فوری قرار می گیرد، این همچنین به ربات اجازه می دهد تا بسیار دورتر حرکت کند، زیرا ربات زمانی که بسیار کندتر پرواز می کند بازگشت به یک عکس فوری نسبت به هنگام پرواز از یک عکس فوری به عکس بعدی بر اساس کیلومتر شماری.”

استراتژی ناوبری پیشنهادی با الهام از حشرات به پهپاد 56 گرمی “CrazyFlie” مجهز به دوربین همه جهته اجازه می دهد تا مسافتی تا 100 متر را تنها با 0.65 کیلوبایت پوشش دهد. تمام پردازش های بصری روی یک کامپیوتر کوچک به نام “میکرو کنترلر” انجام می شود که در بسیاری از دستگاه های الکترونیکی ارزان قیمت یافت می شود.

به کار انداختن فناوری ربات

Guido de Croon می گوید: «استراتژی ناوبری پیشنهادی الهام گرفته از حشرات، گام مهمی در راه استفاده از روبات های کوچک مستقل در دنیای واقعی است. روشهای ناوبری هنر ایجاد نمی کند و فقط به ربات اجازه می دهد تا به نقطه شروع بازگردد پهپادها می توانند به بیرون پرواز کنند، داده ها را جمع آوری کنند و سپس به ایستگاه پایه بازگردند.