ИИ, вдохновлённый муравьями, улучшает навигационные способности сельскохозяйственных роботов

Представьте себе живописное кукурузное поле, залитое тёплым светом заходящего солнца, где стебли кукурузы колышутся на ветру. В этой идиллической сельской обстановке роботы присоединились к рядам фермеров, помогая выполнять такие задачи, как сбор фруктов и управление посевами. Поскольку в сельскохозяйственной отрасли ощущается нехватка рабочей силы, эти роботы обещают повысить урожайность, доставлять свежие продукты на наши столы и сокращать потери. Однако существует серьёзная проблема: роботам сложно ориентироваться в сложных и незнакомых сельскохозяйственных угодьях, и они часто теряются. Исследователи из Эдинбургского университета под руководством доктора Барбары Уэбб взяли за основу идеи из мира муравьёв, чтобы решить эту проблему и улучшить навигационные возможности роботов. Используя нейроморфные вычисления и знания о навигации муравьёв, они разработали прорывное решение, которое может революционизировать не только сельское хозяйство, но и другие области робототехники и искусственного интеллекта.

Муравьи: природные эксперты в навигации

Навигация через поле с культурами похожа на поиск пути в густом лесу или кукурузном лабиринте; всё выглядит одинаково, что затрудняет определение своего местоположения и направления. Роботы сталкиваются с аналогичной проблемой в естественной среде, где изменяющиеся условия освещения и погоды могут сбивать с толку их системы, основанные на зрении. Существующие алгоритмы с трудом адаптируются к изменениям, что замедляет развитие автономных роботов в сложных условиях.

Несмотря на относительно небольшой размер мозга по сравнению с человеческим, муравьи отлично учатся и ориентируются в сложных условиях. Они могут запоминать предыдущие маршруты независимо от неблагоприятных условий, превосходя даже GPS по точности. Ключ к их успеху заключается в способности распознавать знакомые места, а не в точном определении своего местоположения во время навигации.

Вдохновение от мозга муравьёв

Вдохновившись работой мозга муравьёв, исследовательская команда предприняла трёхэтапный путь для улучшения навигации роботов.

Программное обеспечение: Муравьи настраивают свои нейронные цепи в грибовидных телах, специализированных нейронных узлах, критически важных для обучения визуальной информации. Команда сосредоточилась на этих узлах для разработки своего алгоритма, который имитирует то, как муравьи обрабатывают визуальную информацию для решений о навигации.

Событийные камеры: Событийные камеры захватывают изображения способом, имитирующим глаз животного, что делает их идеальными для обучения систем компьютерного зрения. Эти камеры обрабатывают свет аналогично человеческому глазу во время фотографии, помогая в обучении алгоритмов зрения.

Аппаратное обеспечение: Чип компьютера SpiNNaker, изначально разработанный в Манчестерском университете, имитирует внутреннюю работу биологических нейронных сетей для кодирования памяти. Этот чип поддерживает массово параллельные вычисления, позволяя множеству вычислений происходить одновременно и значительно сокращая задержку обработки данных.

Собирая всё вместе: робот, похожий на муравья

Объединив эти компоненты, исследовательская команда создала роботизированную систему, имитирующую поведение муравьёв. Она была протестирована с использованием мобильного робота под названием «Turtlebot3 burger», который передвигался по сложной местности, захватывая изображения с помощью событийной камеры.

Во время своего путешествия по лесистой местности нейроморфный «мозг» робота быстро обрабатывал «события», основанные на окружающей обстановке. Алгоритм генерировал предупреждающее событие, когда препятствия, такие как ветки или листья, перекрывали обзор робота. Робот преодолел примерно 20 футов через растительность разной высоты, обучаясь на каждом маршруте. В ходе нескольких тестов модель ИИ эффективно анализировала данные с разных маршрутов и реагировала узнаванием, демонстрируя способность к обобщению и адаптации.

В то же время популярный алгоритм не смог распознать тот же маршрут без идентичной видеозаписи, что подчёркивает превосходство алгоритма, вдохновлённого муравьями, в адаптации к изменяющимся условиям.

Эффективность и экономия энергии с помощью нейроморфных вычислений

Одной из главных проблем моделей ИИ является их энергопотребление. Нейроморфные системы, такие как SpiNNaker, предлагают решение, значительно снижая потребление энергии. Архитектура SpiNNaker, имитирующая нейронные сети в мозге, поддерживает распределённые вычисления с 18 ядрами на чип, моделируя примерно 250 нейронов. Каждое ядро независимо обрабатывает данные и хранит память, что снижает задержки при обработке данных и повышает эффективность, особенно для задач реального времени, таких как навигация роботов по сложной местности.

Будущие направления и сложность, подобная муравьиной

Следующим шагом исследовательской команды является более глубокое изучение сложных нейронных цепей муравьёв. Изучение связей между различными областями мозга и группами нейронов может ещё больше повысить эффективность роботов и их способность взаимодействовать с миром. В конечном итоге их цель — создать роботов, которые будут ориентироваться и взаимодействовать с миром так же искусно, как муравьи.

Интегрируя природных экспертов в навигации — муравьёв — в мир робототехники, исследователи из Эдинбургского университета сделали значительные шаги в улучшении навигационных возможностей роботов. Используя нейроморфные вычисления и знания о навигации муравьёв, они разработали алгоритм, который превосходит традиционные системы зрения, предоставляя роботам способность адаптироваться к сложным и изменяющимся условиям. Этот прорыв не только обещает революционизировать сельское хозяйство, решая проблему нехватки рабочей силы, но и прокладывает путь к созданию более эффективных и сложных роботов в различных областях, от беспилотных автомобилей и далее. По мере того как технологии продолжают черпать вдохновение из природного мира, будущее робототехники выглядит всё более многообещающим.