Le cerveau IA inspiré des fourmis améliore les capacités de navigation des robots agricoles

Imaginez un champ de maïs pittoresque baigné de la lueur chaude du soleil couchant, avec les tiges de maïs balançant dans la brise. Au milieu de cette scène agricole idyllique, les robots ont rejoint les rangs des ouvriers agricoles, aidant à des tâches comme la récolte des fruits et la gestion des cultures. Alors que l'industrie agricole fait face à des pénuries de main-d'œuvre, ces robots promettent d'augmenter les rendements des cultures, de livrer des produits frais sur nos tables et de réduire le gaspillage. Cependant, il y a un défi majeur : les robots ont du mal à naviguer dans des terres agricoles complexes et inconnues, se perdant souvent. Les chercheurs de l'Université d'Édimbourg, dirigés par le Dr Barbara Webb, se sont inspirés des fourmis pour résoudre ce problème et améliorer les capacités de navigation des robots. En exploitant le calcul neuromorphique et les insights de la navigation des fourmis, ils ont développé une solution révolutionnaire qui pourrait transformer non seulement l'agriculture, mais aussi d'autres domaines de la robotique et de l'intelligence artificielle.

Les fourmis : Les experts en navigation de la nature

Naviguer à travers un champ de cultures est semblable à se frayer un chemin dans une forêt dense ou un labyrinthe de maïs ; tout semble identique, ce qui rend difficile la détermination de votre emplacement et de votre direction. Les robots rencontrent un problème similaire dans les environnements naturels, où les changements d'éclairage et les conditions météorologiques peuvent perturber leurs systèmes basés sur la vision. Les algorithmes actuels ont du mal à s'adapter rapidement, entravant les progrès des robots autonomes dans des environnements complexes.

Les fourmis, malgré leurs cerveaux relativement petits par rapport aux humains, excellent dans l'apprentissage et la navigation dans des environnements complexes. Elles peuvent se souvenir des routes précédentes quelles que soient les conditions défavorables, surpassant même le GPS en termes de précision. La clé de leur succès réside dans leur capacité à reconnaître les lieux familiers plutôt que de pointer leur emplacement exact pendant la navigation.

Inspiration des cerveaux de fourmis

S'inspirant des cerveaux de fourmis, l'équipe de recherche a entrepris un voyage en trois étapes pour améliorer la navigation des robots.

Logiciel : Les fourmis affinent leurs circuits neuronaux dans les corps en champignon, des hubs neuronaux spécialisés critiques pour l'apprentissage d'informations visuelles. L'équipe s'est concentrée sur ces hubs pour développer son algorithme, qui émule la façon dont les fourmis traitent les informations visuelles pour les décisions de navigation.

Caméras événementielles : Les caméras événementielles capturent les images d'une manière qui imite l'œil d'un animal, les rendant idéales pour l'entraînement des systèmes de vision par ordinateur. Ces caméras traitent la lumière de manière similaire à l'œil humain lors de la photographie, aidant à l'entraînement des algorithmes de vision.

Matériel : La puce informatique SpiNNaker, développée à l'origine à l'Université de Manchester, simule le fonctionnement interne des réseaux neuronaux biologiques pour encoder la mémoire. Cette puce prend en charge le calcul massivement parallèle, permettant à plusieurs calculs de se produire simultanément et réduisant drastiquement la latence de traitement des données.

Tout assembler : Le robot semblable à une fourmi

En combinant ces composants, l'équipe de recherche a créé un système robotique semblable à une fourmi. Ils l'ont testé en utilisant un robot mobile nommé « Turtlebot3 burger », qui naviguait dans un terrain difficile tout en capturant des images avec une caméra événementielle.

Lors de son trajet à travers des terres boisées, le « cerveau » neuromorphique du robot a traité rapidement les « événements » en fonction de son environnement. L'algorithme déclenchait un événement d'avertissement lorsque des obstacles tels que des branches ou des feuilles obstruaient la vision du robot. Le robot a parcouru environ 20 pieds à travers des hauteurs de végétation variables, apprenant à chaque trajet. Lors de plusieurs tests, le modèle d'IA a efficacement analysé les données provenant de différents itinéraires et a répondu avec familiarité, démontrant sa capacité à généraliser et à s'adapter.

En revanche, un algorithme populaire a eu du mal à reconnaître le même itinéraire sans un enregistrement vidéo identique, soulignant la supériorité de l'algorithme inspiré des fourmis pour s'adapter aux environnements changeants.

Efficacité et économies d'énergie grâce au calcul neuromorphique

L'un des principaux défis des modèles d'IA est leur consommation d'énergie. Les systèmes neuromorphiques, comme SpiNNaker, offrent une solution en réduisant considérablement la consommation d'énergie. L'architecture de SpiNNaker, qui imite les réseaux neuronaux du cerveau, prend en charge le calcul distribué avec 18 cœurs par puce, simulant environ 250 neurones. Chaque cœur traite les données et stocke la mémoire de manière indépendante, réduisant la latence du traitement des données et améliorant l'efficacité, en particulier pour les tâches en temps réel telles que la navigation des robots dans des terrains difficiles.

Perspectives futures et complexité de type fourmi

Les prochaines étapes de l'équipe de recherche consistent à approfondir l'étude des circuits neuronaux complexes des fourmis. Explorer les connexions entre différentes régions du cerveau et différents groupes pourrait encore améliorer l'efficacité des robots et leur capacité à interagir avec le monde. En fin de compte, leur objectif est de créer des robots capables de naviguer et d'interagir avec le monde aussi habilement que les fourmis.

En intégrant les experts de la navigation de la nature, les fourmis, au monde de la robotique, les chercheurs de l'Université d'Édimbourg ont réalisé des progrès significatifs dans l'amélioration des capacités de navigation des robots. En tirant parti du calcul neuromorphique et des connaissances sur la navigation des fourmis, ils ont développé un algorithme qui surpasse les systèmes de vision traditionnels, offrant aux robots la capacité de s'adapter à des environnements complexes et changeants. Cette avancée promet non seulement de révolutionner l'agriculture en répondant aux pénuries de main-d'œuvre, mais ouvre également la voie à des robots plus efficaces et sophistiqués dans divers domaines, allant des voitures autonomes au-delà. Alors que la technologie continue de s'inspirer du monde naturel, l'avenir de la robotique s'annonce de plus en plus prometteur.