Miniaturowe drony analizują zachowanie pszczół. I uczą się od nich nawigacji

Pszczoła opuszczająca ul najpierw wykonuje krótki lot rozpoznawczy, podczas którego zapamiętuje charakterystyczne punkty w najbliższej okolicy, wyjaśnia Guido de Croon, badacz sztucznej inteligencji i robotyki z Delft University of Technology w Holandii. Gdy owad odlatuje, „śledzi kierunek i prędkość swojego ruchu”, mówi de Croon. Proces ten nazywa się integracją drogi. Ponieważ z czasem mogą kumulować się w nim niewielkie błędy pomiarowe, owad wykorzystuje zapamiętane punkty orientacyjne, aby korygować kurs w drodze powrotnej. Jak opisują de Croon i jego współpracownicy w czasopiśmie „Nature”, zespół odtworzył ten sposób działania.

Najpierw dron wykonuje podobny do pszczelego lot rozpoznawczy wokół miejsca startu, wykorzystując maleńką kamerę dookólną do rejestrowania otoczenia. W trakcie lotu korzysta z niewielkiej pokładowej sieci neuronowej, która na podstawie zarejestrowanych obrazów wyznacza wektory powrotu – w praktyce niewidoczne strzałki wskazujące kierunek do miejsca startu. Na tej podstawie ustalana jest bezpieczna strefa, określana jako wyuczony obszar powrotu.

Po zakończeniu treningu dron można wysłać w dowolne miejsce. Podczas powrotu wykorzystuje on integrację drogi i wyznacza swoją pozycję na podstawie zmierzonej prędkości i kierunku ruchu. Jeśli znajdzie się gdziekolwiek w obrębie początkowej bezpiecznej strefy, wizualna sieć neuronowa kieruje nim aż do miejsca startu.

Bee-Nav działa na miniaturowym komputerze Raspberry Pi 4 (wielkości karty kredytowej), na którym uruchamiane są sieci neuronowe wymagające od zaledwie 3,4 do 42,3 kB pamięci. Dla porównania konwencjonalne systemy mapowania terenu potrzebują jej tysiące razy więcej.

Podczas prób przeprowadzonych w terenie roboty potrafiły wrócić do miejsca startu z odległości nawet 600 m mimo porywów wiatru i oślepiających refleksów światła słonecznego.

„Szczególnie fascynuje mnie to, jak niewiele mocy obliczeniowej jest do tego potrzebne – mówi Sarah Bergbreiter, inżynier mechanik z Carnegie Mellon University, która nie brała udziału w badaniu. – W przypadku niewielkich robotów, nad którymi pracuje m.in. moja grupa, takie podejście sprawia, że ich rzeczywiste wykorzystanie w terenie staje się możliwe”.

De Croon i jego zespół wciąż pracują nad rozwiązaniem kilku problemów związanych z systemem, m.in. nad poruszaniem się między wieloma zapamiętanymi miejscami oraz radzeniem sobie z miejscami startu pozbawionymi punktów orientacyjnych.

„Platformy wykorzystujące Bee-Nav będą również potrzebowały lokalnego systemu unikania przeszkód i planowania trasy, jeśli środowisko będzie zatłoczone lub dynamiczne” – mówi Sean Humbert, inżynier mechanik z University of Colorado Boulder, który nie brał udziału w badaniu.

Jednak już teraz, jak mówi de Croon, Bee-Nav może pomóc zmniejszyć rozmiary autonomicznych dronów przeznaczonych do lotów na zewnątrz i istotnie ograniczyć ich zapotrzebowanie na energię.

„Z łatwością moglibyśmy zastosować ten system w dronie o masie 50 g, a nawet 30” – twierdzi de Croon. Dalsze zmniejszenie autonomicznych maszyn do rozmiarów prawdziwych pszczół wymagałoby jednak rozwiązania innych fundamentalnych problemów, takich jak miniaturyzacja baterii. „Mamy jednak nadzieję, że kiedy w dłuższej perspektywie uda się rozwiązać te problemy, będziemy już mieli gotowy system inteligentnego sterowania, który sprosta takim wymaganiom” – mówi de Croon.

Dziękujemy, że jesteś z nami. To jest pierwsza wzmianka na ten temat. Pulsar dostarcza najciekawsze informacje naukowe i przybliża najnowsze badania naukowe. Jeśli korzystasz z publikowanych przez Pulsar materiałów, prosimy o powołanie się na nasz portal. Źródło: www.projektpulsar.pl.