Jak owady udaje się oddalić tak daleko od swojego domu i mimo to wrócić? Odpowiedź na to pytanie jest istotna nie tylko dla biologii, ale także dla rozwoju sztucznej inteligencji dla małych, autonomicznych robotów. Naukowcy z TU Delft zainspirowali się odkryciami biologicznymi dotyczącymi tego, jak mrówki rozpoznają wizualnie swoje otoczenie i łączą to z liczeniem kroków, aby bezpiecznie wrócić do domu. Wykorzystali te spostrzeżenia, aby stworzyć strategię autonomicznej nawigacji inspirowanej owadami dla małych, lekkich robotów. Ta strategia umożliwia robotom powrót do domu po długich podróżach, przy niezwykle niskim zużyciu zasobów obliczeniowych i pamięci (1,16 kilobajta na 100 metrów). W przyszłości małe autonomiczne roboty mogą być używane do szerokiego zakresu zadań, od monitorowania zapasów w magazynach po wykrywanie wycieków gazu w zakładach przemysłowych. Naukowcy opublikowali swoje odkrycia w czasopiśmie Science Robotics 17 lipca 2024.

Wsparcie dla małych robotów
Małe roboty, ważące od kilku dziesiątek do kilku setek gramów, mają potencjał do wielu interesujących zastosowań w świecie rzeczywistym. Ze względu na swoją niewielką wagę są niezwykle bezpieczne, nawet jeśli przypadkowo kogoś uderzą. Ze względu na swoje rozmiary mogą poruszać się w wąskich przestrzeniach. Jeśli można je produkować tanio, można je wdrożyć w większej liczbie, szybko pokrywając duży obszar, na przykład w szklarniach do wczesnego wykrywania szkodników lub chorób. Jednak umożliwienie takim małym robotom pracy samodzielnej jest trudne, ponieważ w porównaniu z większymi robotami mają one niezwykle ograniczone zasoby.

Jedną z głównych przeszkód w używaniu małych robotów jest ich zdolność do autonomicznej nawigacji. Roboty mogą otrzymywać pomoc od zewnętrznej infrastruktury, takiej jak GPS na zewnątrz lub bezprzewodowe nadajniki komunikacyjne w pomieszczeniach. Jednak poleganie na takiej infrastrukturze jest często niepożądane. GPS nie jest dostępny w pomieszczeniach i może być bardzo niedokładny w miejskich kanionach. Instalacja i konserwacja nadajników w pomieszczeniach jest kosztowna lub po prostu niemożliwa, na przykład w scenariuszach poszukiwania i ratowania.

Sztuczna inteligencja potrzebna do autonomicznej nawigacji z ograniczonymi zasobami została opracowana z myślą o dużych robotach, takich jak autonomiczne samochody. Niektóre podejścia wykorzystują ciężkie, energochłonne czujniki, takie jak lasery LiDAR, których małe roboty nie mogą nosić ani zasilać. Inne podejścia wykorzystują czujniki wizualne, które są bardzo energooszczędne i dostarczają bogatych informacji o otoczeniu. Jednak te podejścia zazwyczaj próbują stworzyć bardzo szczegółowe trójwymiarowe mapy otoczenia. To wymaga dużych ilości przetwarzania i pamięci, które mogą zapewnić tylko duże i energochłonne systemy komputerowe, zbyt duże dla małych robotów.

Liczenie kroków i wizualne ślady
Dlatego niektórzy naukowcy zwrócili się po inspirację do natury. Owady są szczególnie interesujące, ponieważ działają na odległościach, które mogą być istotne dla wielu rzeczywistych zastosowań, korzystając przy tym z bardzo skromnych zasobów percepcyjnych i obliczeniowych. Biolodzy coraz lepiej rozumieją podstawowe strategie stosowane przez owady. W szczególności owady łączą śledzenie własnego ruchu (tzw. "odometria") z wizualnie kierowanym zachowaniem opartym na ich niskorozdzielczym, ale prawie wszechstronnym systemie wizualnym (tzw. "pamięć wizualna"). Podczas gdy odometria jest coraz lepiej rozumiana nawet na poziomie neuronalnym, precyzyjne mechanizmy stojące za pamięcią wizualną są wciąż mniej znane. Dlatego istnieją różne teorie dotyczące tego, jak owady wykorzystują wzrok do nawigacji. Jedna z najwcześniejszych teorii proponuje model "snapshota". Według tego modelu owad, taki jak mrówka, okazjonalnie robi zdjęcie swojego otoczenia. Później, gdy zbliża się do miejsca, z którego zrobił zdjęcie, owad może porównać swoje aktualne wrażenie wizualne ze snapshotem i poruszać się tak, aby zminimalizować różnice. To pozwala owadowi nawigować, czyli "domu", do miejsca robienia zdjęcia, eliminując wszelki dryf, który nieuchronnie pojawia się, gdy polega się wyłącznie na odometrii.

"Nawigacja oparta na snapshotach może być porównana do sposobu, w jaki Hans próbował się nie zgubić w baśni o Jasiu i Małgosi. Kiedy Jaś rzucał kamienie na ziemię, mógł znaleźć drogę do domu. Jednak kiedy rzucał okruchy chleba, które ptaki zjadły, Jaś i Małgosia się zgubili. W naszym przypadku kamienie to snapshoty," mówi Tom van Dijk, pierwszy autor badania, "Jak kamienie, aby snapshot działał, robot musi być wystarczająco blisko miejsca robienia zdjęcia. Jeśli wizualne otoczenie zbyt różni się od miejsca robienia zdjęcia, robot może udać się w złym kierunku i nigdy nie wrócić. Dlatego konieczne jest użycie wystarczającej liczby snapshotów – lub w przypadku Jasia rzucenie wystarczającej liczby kamieni. Z drugiej strony, rzucanie kamieni zbyt blisko siebie szybko wyczerpałoby kamienie Jasia. W przypadku robota użycie zbyt wielu snapshotów prowadzi do dużego zużycia pamięci. Wcześniejsze prace w tej dziedzinie zazwyczaj miały snapshoty bardzo blisko siebie, tak aby robot najpierw wizualnie 'domował' do jednego snapshota, a następnie do następnego."

"Główne odkrycie naszej strategii polega na tym, że można rozstawić snapshoty znacznie dalej, jeśli robot podróżuje między snapshotami na podstawie odometrii," mówi Guido de Croon, profesor na TU Delft i współautor artykułu, "Nawigacja będzie działać, o ile robot skończy wystarczająco blisko miejsca robienia snapshota, tj. o ile dryf odometrii robota mieści się w obszarze snapshota. To także umożliwia robotowi podróżowanie znacznie dalej, ponieważ robot leci znacznie wolniej, gdy porusza się w kierunku snapshota, niż gdy leci od jednego snapshota do następnego na podstawie odometrii."

Proponowana strategia nawigacji inspirowana owadami umożliwiła dronowi "CrazyFlie" o masie 56 gramów, wyposażonemu w kamerę omnidirekcyjną, pokrycie odległości do 100 metrów przy zużyciu tylko 1,16 kilobajta. Całe przetwarzanie wizualne odbywało się na małym komputerze zwanym "mikrokontrolerem", który można znaleźć w wielu tanich urządzeniach elektronicznych.

Zastosowanie technologii robotycznej
"Proponowana strategia nawigacji inspirowana owadami jest ważnym krokiem w kierunku zastosowania małych autonomicznych robotów w świecie rzeczywistym," mówi Guido de Croon, "Funkcjonalność proponowanej strategii jest ograniczona w porównaniu do najbardziej zaawansowanych metod nawigacji. Nie generuje mapy i umożliwia robotowi jedynie powrót do punktu początkowego. Niemniej jednak, dla wielu zastosowań może to być więcej niż wystarczające. Na przykład do monitorowania zapasów w magazynach lub monitorowania upraw w szklarniach, drony mogłyby latać, zbierać dane i następnie wracać do stacji bazowej. Mogłyby przechowywać obrazy istotne dla misji na małej karcie SD do przetwarzania na serwerze. Jednak te obrazy nie byłyby potrzebne do samej nawigacji."

Dodatkowo, w przyszłości ta technologia może być również wykorzystywana do innych celów, takich jak monitorowanie infrastruktury lub pomoc w ratowaniu poszkodowanych. Na przykład w scenariuszach klęsk żywiołowych małe roboty mogłyby szybko przeszukać gruzowiska i znaleźć ocalałych, znacznie zwiększając szanse na terminowe ratowanie. Również w zakładach przemysłowych te roboty mogłyby regularnie monitorować rurociągi i sprzęt, identyfikując potencjalne problemy zanim rozwiną się w poważne awarie. Połączenie minimalnego zużycia energii i wysokiej efektywności sprawia, że ta technologia jest niezwykle obiecująca dla szerokiego zakresu zastosowań.

Źródło: Delft University of Technology