Tak schválně, už jste někdy přemýšleli o tom, jak se hmyz dokáže vydat daleko od svého domova a stále najít cestu zpět? Jako například mravenci nebo včely, které se dokáží vzdálit až na 3 kilometry od svého úlu. Když si to porovnáte s jejich velikostí, zjistíte, že se jedná o docela solidní kus cesty.
Odpověď na tuto otázku není relevantní pouze pro biologii, ale i pro vytváření umělé inteligence pro malé, autonomní roboty. Výzkumníci z TU Delft se inspirovali biologickými poznatky o tom, jak mravenci vizuálně rozpoznávají své prostředí a kombinují to s počítáním kroků, aby se bezpečně vrátili domů. Tyto poznatky použili k vytvoření strategie autonomní navigace inspirované hmyzem pro malé, lehké roboty. Tato strategie umožňuje robotům vrátit se domů po dlouhých trasách, přičemž vyžaduje extrémně malý výpočetní výkon a paměť (0,65 kilobajtu na 100 metrů). V budoucnosti by malé autonomní roboti mohly mít širokou škálu využití, od monitorování zásob ve skladech po hledání úniků plynu v průmyslových objektech. Výzkumníci publikovali své závěry v časopise Science Robotics dne 17. července 2024.
Obrázek 1 – DALL-E 3: Mravenec v jeskyni
Když už tak už – proč malí roboti nejsou populární?
Malí roboti svou váhou dosahují v průměru od několik desítek do několika stovek gramů. Tyti „mini-roboti“ mají vysoký potenciál pro mnohé úkoly v reálném světě. Díky své nízké hmotnosti jsou extrémně bezpeční. I když do někoho/něčeho náhodně narazí, prakticky se nic nestane. Navíc vzhledem k jejich malým rozměrům se mohou pohybovat v úzkých prostorech. A pokud je možné je vyrábět levně, mohou být nasazeni ve větším počtu, což umožní rychlé pokrytí velké oblasti, například ve sklenících pro včasnou detekci škůdců nebo nemocí. Dovedu si i představit, že takový malí roboti, by mohli hrát i důležitou roli ve zdravotnictví při operačních zákrocích.
Nicméně, umožnit těmto malým robotům samostatný provoz je obtížné, protože ve srovnání s většími roboty mají extrémně omezené zdroje. Hlavní překážkou je, že musí být schopni samostatné navigace. Roboti mohou získat pomoc z externí infrastruktury. Mohou využívat odhady polohy z GPS satelitů venku nebo z bezdrátových komunikačních majáků uvnitř budov. Nicméně, není vždy žádoucí spoléhat na takovou infrastrukturu. GPS je uvnitř budov nedostupná a může být velmi nepřesná v zástavbě, například v městských kaňonech nebo na českých silnicích. A instalace a údržba majáků, díky nimž by se roboti mohli orientovat, ve vnitřních prostorách je poměrně nákladná nebo jednoduše nemožná, například v situacích pátrání a záchrany.
Umělá inteligence potřebná pro autonomní navigaci s využitím pouze palubních zdrojů byla vyvinuta s ohledem na velké roboty, jako jsou autonomní automobily. Některé přístupy spoléhají na těžké, energeticky náročné senzory, jako jsou LiDAR lasery, které za prvé malí roboti nemohou unést, a za druhé je ani napájet. Jiné přístupy využívají zrak neboli vizuální zpracování, což je velmi energeticky efektivní senzor poskytující bohaté informace o prostředí. Nicméně tyto přístupy obvykle potřebují pro svůj chod vysoce detailní 3D mapové prostředí. To vyžaduje velké množství zpracování a paměti, což mohou poskytnout pouze počítače, které jsou opět příliš velké a příliš energeticky náročné.
Počítání kroků a vizuální stopy
Proto se někteří vědci obrátili k přírodě pro inspiraci. Hmyz je zvláště zajímavý, protože operuje na vzdálenosti, které by mohly být relevantní pro mnoho reálných aplikací, přičemž používá velmi omezené senzory a výpočetní zdroje. Biologové mají rostoucí porozumění základním strategiím používaným hmyzem. Hmyz sleduje svůj pohyb (odometrie) a zároveň využívá svůj zrak, který má sice nízké rozlišení, ale vidí téměř do všech stran (to se nazývá „paměť pohledů“).
Zatímco sledování pohybu (odometrie) už rozumíme velmi dobře, jak přesně funguje „paměť pohledů“ stále nevíme. Jedna z nejstarších teorií říká, že hmyz, například mravenec, si čas od času pořídí snímek svého okolí. Později, když se přiblíží k místu, kde snímek pořídil, porovná svůj aktuální pohled s tímto snímkem a pohybuje se tak, aby rozdíly minimalizoval. To mu umožňuje najít cestu zpět a eliminuje tím chyby, které nastávají při pouhém sledování pohybu beze snímků.
„Navigaci založenou na snímcích lze srovnat s tím, jak se někdo snaží najít cestu zpět v labyrintu,“ říká Tom van Dijk, první autor studie. „Představte si, že si někdo po cestě labyrintem kreslí na stěny značky. Aby se dostal zpět, musí být dostatečně blízko ke každé značce, jinak se může ztratit. Podobně, aby snímek fungoval, musí být robot dostatečně blízko k místu pořízení snímku. Pokud se vizuální okolí příliš liší od místa pořízení snímku, robot může jít špatným směrem a nikdy se nevrátí. Proto je třeba použít dostatek snímků – podobně jako dostatek značek v labyrintu. Na druhou stranu by nebylo efektivní malovat značky příliš blízko sebe. V případě robota použití příliš mnoha snímků vede k velké spotřebě paměti (příliš mnoho snímků). Předchozí práce v této oblasti obvykle umisťovaly snímky velmi blízko sebe, takže robot mohl nejprve vizuálně navigovat k jednomu snímku a pak k dalšímu.
Obrázek 2 – DALL-E 3: Malý podvodní robot
Pokrytí 100metrové plochy pouze s využitím 0,65 kilobajtů
„Hlavním poznatkem naší strategie je, že můžete snímky umístit mnohem dále od sebe, pokud se robot mezi snímky pohybuje na základě odometrie,“ říká Guido de Croon, profesor bio-inspirovaných dronů a spoluautor článku. „Navigace bude fungovat, pokud se robot dostane dostatečně blízko k místu pořízení snímku, tj. dokud drift odometrie robota spadá do oblasti zachycení snímku. Díky tomu se robot může dostat i mnohem dál.
Navrhovaná strategie navigace inspirovaná hmyzem umožnila dronu „CrazyFlie“ o hmotnosti 56 gramů, vybavenému všesměrovou kamerou, pokrýt vzdálenosti až 100 metrů s pouhými 0,65 kilobajty. Veškeré vizuální zpracování probíhalo na malém počítači nazývaném „mikrokontrolér,“ který lze najít v mnoha levných elektronických zařízeních.
Uvedení robotické technologie do praxe
„Navrhovaná strategie navigace inspirovaná hmyzem je důležitým krokem k aplikaci malých autonomních robotů v reálném světě,“ říká Guido de Croon. „Funkčnost navrhované strategie je omezenější než u nejmodernějších navigačních metod. Nevytváří mapu a umožňuje robotu pouze se vrátit na výchozí bod. Přesto pro mnoho aplikací to může být více než dost. Například pro sledování zásob ve skladech nebo monitorování plodin ve sklenících by drony mohly vyletět, shromažďovat data a poté se vrátit na základnu. Mohly by ukládat snímky relevantní pro misi na malou SD kartu pro následné zpracování serverem. Ale pro samotnou navigaci by je nepotřebovaly.“
Závěr
Tento přístup otevírá nové možnosti pro malé autonomní roboty, které by mohly provádět různé úkoly v různých prostředích, aniž by byly závislé na externí infrastruktuře. S touto inovací se přibližujeme k budoucnosti, kde malí roboti budou schopni bezpečně a efektivně provádět úkoly, které dnes vyžadují lidský zásah nebo větší a dražší technologie.
Shrnutí
- Vědci z TU Delft vyvinuli navigační strategii pro malé roboty inspirovanou mravenci, kteří kombinují vizuální podněty a počítání kroků.
- Tato strategie umožňuje malým robotům vrátit se zpět po dlouhé trase s minimálním výpočetním výkonem a pamětí.
- Malí roboti mají velký potenciál pro praktické aplikace, jako je monitorování zásob nebo detekce škůdců ve sklenících.
- Nová navigační strategie umožňuje robotům cestovat dále, což zvyšuje jejich efektivitu a možnosti nasazení.
Zdroj:
- ScienceDaily. (2024f, July 17). Ant Insights lead to robot navigation breakthrough. ScienceDaily. https://www.sciencedaily.com/releases/2024/07/240717162408.htm
