Josiah01 发表于 2024-7-18 15:29:33

研究人员为微型轻型机器人创建了受昆虫启发的自主导航策略

  你有没有想过,昆虫为何能够飞得离家这么远,却依然能找到路?这个问题的答案不仅与生物学有关,还与制造微型自主机器人的人工智能有关。
  代尔夫特理工大学的无人机研究人员从生物学发现中受到启发,这些发现包括蚂蚁如何通过视觉识别周围环境,并结合计算步数来安全返回家园。他们利用这些发现,为微型轻型机器人创建了一种受昆虫启发的自主导航策略。
  该策略允许此类机器人在经过长距离轨迹后返回,同时仅需要极少的计算和内存(每 100 米 0.65 千字节)。未来,微型自主机器人可以找到广泛的用途,从监控仓库中的库存到查找工业现场的气体泄漏。
  研究人员于 2024 年 7 月 17 日在《科学机器人》杂志上发表了他们的研究成果。
  为小人物挺身而出
  重量从几十克到几百克不等的微型机器人具有在现实世界中应用的潜力。由于重量轻,即使不小心撞到人,它们也非常安全。
  由于体型较小,它们可以在狭窄区域内航行。如果制造成本低廉,它们就可以大量部署,从而快速覆盖大片区域,例如在温室内进行早期害虫或疾病检测。
  然而,让如此微型的机器人自行操作非常困难,因为与大型机器人相比,它们的资源极其有限。一个主要障碍是它们必须能够自行导航。为此,机器人可以从外部基础设施获得帮助。它们可以使用室外 GPS 卫星或室内无线通信信标的位置估计。
  然而,依赖这样的基础设施往往并不可取。GPS 在室内无法使用,在城市峡谷等杂乱的环境中会变得非常不准确。而且在室内空间安装和维护信标非常昂贵,或者根本不可能,例如在搜救场景中。
  仅使用机载资源进行自主导航所需的人工智能是专为大型机器人(如自动驾驶汽车)而设计的。有些方法依赖于笨重、耗电的传感器,如 LiDAR 激光测距仪,而小型机器人根本无法携带或供电。
  其他方法利用视觉,这是一种非常省电的传感器,可以提供丰富的环境信息。然而,这些方法通常试图创建环境的高度详细的 3D 地图。这需要大量的处理和内存,而这些只能由计算机来提供,而对于微型机器人来说,计算机太大、太耗电了。
  计算步数和视觉面包屑
  这就是为什么一些研究人员从大自然中寻找灵感。昆虫尤其有趣,因为它们可以远距离行动,这可能与许多现实世界的应用有关,同时使用非常稀缺的传感和计算资源。
  生物学家对昆虫所采用的根本策略有了越来越多的了解。具体来说,昆虫将跟踪自身运动(称为“里程计”)与基于低分辨率但几乎全方位的视觉系统(称为“视觉记忆”)的视觉引导行为相结合。
  尽管人们对里程计的理解越来越深入,甚至达到了神经水平,但对视觉记忆背后的精确机制仍然不太了解。
  关于这一机制的最早理论之一提出了“快照”模型。在该模型中,蚂蚁等昆虫会偶尔拍摄周围环境的快照。
  之后,当昆虫靠近快照时,它可以将其当前的视觉感知与快照进行比较,并移动以最小化差异。这样昆虫就可以导航或“返回”快照位置,从而消除仅执行里程计时不可避免地积累的任何漂移。
  “基于快照的导航可以比作汉塞尔在童话《汉塞尔与格莱特》中努力不迷路的过程。当汉塞尔将石头扔到地上时,他可以回到家。然而,当他扔面包屑时,面包屑被鸟儿吃掉了,汉塞尔和格莱特就迷路了。在我们的例子中,石头就是快照,”这项研究的第一作者汤姆·范·迪克说。
  “就像石头一样,要使快照工作,机器人必须足够靠近快照位置。如果视觉环境与快照位置的视觉环境相差太大,机器人可能会朝错误的方向移动,并且再也回不来了。因此,必须使用足够多的快照——或者在汉塞尔的例子中,扔下足够数量的石头。
  “另一方面,如果将石头扔得太近,汉斯的石头就会很快耗尽。对于机器人来说,使用太多快照会导致内存消耗过大。该领域的先前研究通常将快照放在非常接近的位置,以便机器人可以首先在视觉上返回到一个快照,然后再返回到下一个快照。”
  “我们策略背后的主要见解是,如果机器人根据里程计在快照之间移动,那么你可以将快照间隔得更远,”仿生无人机教授兼文章共同作者 Guido de Croon 说。
  “只要机器人距离快照位置足够近,即只要机器人的里程计漂移落在快照的‘收集区域’内,归位就会起作用。这也允许机器人行进得更远,因为机器人在归位到快照时飞行的速度比基于里程计从一个快照飞到下一个快照时要慢得多。”
  这项受昆虫启发的导航策略让一架重量 56 克、配备全向摄像头的“CrazyFlie”无人机能够仅用 0.65 千字节覆盖 100 米的距离。所有视觉处理都在一台称为“微控制器”的微型计算机上进行,这种计算机在许多廉价电子设备中都有。
  让机器人技术发挥作用
  “所提出的受昆虫启发的导航策略是将微型自主机器人应用于现实世界的重要一步,”Guido de Croon 说。
  “与最先进的导航方法相比,所提出的策略的功能更为有限。它不会生成地图,只允许机器人回到起点。
  “不过,对于许多应用来说,这可能已经足够了。例如,对于仓库中的库存跟踪或温室中的农作物监测,无人机可以飞出去,收集数据,然后返回基站。它们可以将与任务相关的图像存储在小型 SD 卡上,以供服务器进行后期处理。但它们本身不需要它们进行导航。”

页: [1]
查看完整版本: 研究人员为微型轻型机器人创建了受昆虫启发的自主导航策略