개미 영감 AI 두뇌가 농장 로봇의 항법 능력 향상

저무는 태양의 따뜻한 빛에 bathed된 그림 같은 옥수수 밭을 상상해 보세요. 바람에 흔들리는 옥수수 줄기들 사이로, 이상적인 농장 풍경 속에서 로봇들이 수확 및 작물 관리와 같은 작업을 돕기 위해 농부들의 일렬에 합류했습니다. 농업 산업이 노동력 부족에 직면하면서, 이러한 로봇들은 작물 수확량 증대, 신선한 농산물 공급, 폐기물 감소를 약속합니다. 그러나 상당한 과제가 있습니다: 로봇은 복잡하고 낯선 농지를 항해하는 데 어려움을 겪으며 종종 길을 잃습니다. 에든버러 대학의 바바라 웹(Barbara Webb) 박사가 이끄는 연구진은 이 문제를 해결하고 로봇 항법 능력을 향상시키기 위해 개미에서 영감을 받았습니다. 그들은 신경모방 컴퓨팅과 개미 항법 통찰력을 활용하여 농업뿐만 아니라 로봇공학 및 인공지능의 다른 분야에도 혁명을 일으킬 수 있는 획기적인 솔루션을 개발했습니다.

개미: 자연의 항법 전문가

작물밭을 항해하는 것은 밀림이나 옥수수 미로를 헤매는 것과 유사합니다. 모든 것이 동일해 보이기 때문에 위치와 방향을 파악하는 것이 어렵습니다. 로봇은 자연 환경에서도 비슷한 문제를 겪는데, 변화하는 조명과 기상 조건이 비전 기반 시스템을 혼란스럽게 할 수 있습니다. 현재 알고리즘은 빠르게 적응하는 데 어려움을 겪어 복잡한 환경에서 자율 로봇의 진전을 방해합니다.

개미는 인간에 비해 상대적으로 작은 뇌를 가지고 있지만, 복잡한 주변 환경에서 학습하고 항해하는 데 뛰어납니다. 그들은 악조건과 관계없이 이전 경로를 기억할 수 있으며, 정밀도 측면에서 GPS조차 능가합니다. 그들의 성공 열쇠는 항해 중 정확한 위치를 특정하는 것이 아니라 익숙한 장소를 인식하는 능력에 있습니다.

개미 뇌에서 영감을 받다

개미 뇌에서 영감을 얻어, 연구팀은 로봇 항법 능력을 향상시키기 위한 3단계 여정에 착수했습니다.

소프트웨어: 개미는 시각 정보를 학습하는 데 중요한 특수 신경 허브인 버섯체(mushroom bodies)에서 신경 회로를 미세 조정합니다. 연구팀은 이 허브에 초점을 맞춰 개미가 항법 결정을 위해 시각 정보를 처리하는 방식을 모방한 알고리즘을 개발했습니다.

이벤트 카메라: 이벤트 카메라는 동물의 눈처럼 이미지를 캡처하여 컴퓨터 비전 시스템 훈련에 이상적입니다. 이러한 카메라는 사진 촬영 중 인간의 눈과 유사하게 빛을 처리하여 비전 알고리즘 훈련을 돕습니다.

하드웨어: 맨체스터 대학에서 처음 개발된 SpiNNaker 컴퓨터 칩은 기억을 인코딩하기 위해 생물학적 신경망의 내부 작동을 시뮬레이션합니다. 이 칩은 대규모 병렬 컴퓨팅을 지원하여 여러 계산을 동시에 수행하고 데이터 처리 지연을 극적으로 줄입니다.

모든 것을 결합하기: 개미 같은 로봇

이러한 구성 요소를 결합하여 연구팀은 개미와 유사한 로봇 시스템을 만들었습니다. 그들은 ‘Turtlebot3 burger’라는 모바일 로봇을 사용하여 이벤트 카메라로 이미지를 캡처하면서 어려운 지형을 항해하는 테스트를 진행했습니다.

숲이 우거진 땅을 통과하는 동안, 로봇의 신경모방 ‘두뇌’는 주변 환경에 기반하여 ‘이벤트’를 신속하게 처리했습니다. 가지나 잎과 같은 장애물이 로봇의 시야를 방해할 때 알고리즘은 경고 이벤트를 트리거했습니다. 로봇은 다양한 식생 높이로 약 20피트를 이동하며 각 여행에서 학습했습니다. 여러 테스트에서 AI 모델은 서로 다른 경로에서 데이터를 효과적으로 분석하고 친숙함으로 반응하여 일반화하고 적응하는 능력을 보여주었습니다.

대조적으로, 인기 있는 알고리즘은 동일한 비디오 녹화 없이 동일한 경로를 인식하는 데 어려움을 겪었으며, 이는 변화하는 환경에 적응하는 데 있어 개미 영감 알고리즘의 우월성을 강조했습니다.

신경모방 컴퓨팅을 통한 효율성 및 에너지 절약

AI 모델의 주요 과제 중 하나는 에너지 소비입니다. SpiNNaker와 같은 신경모방 시스템은 에너지 소비를 크게 줄여 해결책을 제공합니다. 뇌의 신경망을 모방한 SpiNNaker의 아키텍처는 칩당 18개의 코어를 지원하는 분산 컴퓨팅을 통해 약 250개의 뉴런을 시뮬레이션합니다. 각 코어는 데이터를 독립적으로 처리하고 메모리를 저장하여 데이터 처리 지연을 줄이고 효율성을 향상시키며, 특히 복잡한 지형을 항해하는 로봇과 같은 실시간 작업에 특히 효과적입니다.

미래 방향 및 개미와 유사한 복잡성

연구팀의 다음 단계는 개미의 복잡한 신경 회로를 더 깊이 파고드는 것입니다. 서로 다른 뇌 영역과 그룹 간의 연결을 탐구하면 로봇의 효율성과 세계와 상호작용하는 능력을 더욱 향상시킬 수 있습니다. 궁극적으로 그들의 목표는 개미처럼 세계를 항해하고 상호작용하는 로봇을 만드는 것입니다.

에든버러 대학의 연구진은 자연의 항법 전문가인 개미를 로봇공학 세계에 통합함으로써 로봇 항법 능력 향상에 상당한 진전을 이루었습니다. 그들은 신경모방 컴퓨팅과 개미 항법 통찰력을 활용하여 전통적인 비전 시스템을 능가하는 알고리즘을 개발했으며, 이는 로봇이 복잡하고 변화하는 환경에 적응할 수 있는 능력을 제공합니다. 이 돌파구는 노동력 부족 문제를 해결하여 농업을 혁신할 가능성을 제공할 뿐만 아니라, 자율 주행 자동차를 비롯한 다양한 분야에서 더 효율적이고 정교한 로봇의 길을 열었습니다. 기술이 자연 세계에서 계속해서 영감을 얻으면서 로봇공학의 미래는 점점 더 유망해 보입니다.