アリに着想を得たナビゲーション革新：微小自律ロボットを実現

モーションデザイン インサイダー

ロボットが飛行した経路のタイムラプス画像。（画像：研究者たち）

アリの帰巣本能から微小ロボットの自律航法へ

昆虫が巣から遠くへ行っても帰還できる仕組みを不思議に思ったことはありませんか？この問いの答えは生物学だけでなく、微小自律ロボットのAI開発にも関連します。TUデルフトのドローン研究者たちは、アリが視覚的に環境を認識し、それを歩数カウントと組み合わせて安全に帰還するという生物学的知見に着想を得ました。彼らはこれらの知見を用いて、微小・軽量ロボット向けの自律ナビゲーション戦略を構築しました。この戦略により、極めて少ない計算とメモリ（100mあたり1.16kB）で長距離軌道後の帰還が可能になります。将来、微小自律ロボットは倉庫の在庫監視から産業現場のガス漏れ検知まで幅広い用途が見込まれます。研究成果は2024年7月17日付『Science Robotics』に掲載されました。

微小ロボットの可能性と課題

数十〜数百グラムの微小ロボットは、多くの興味深い実世界アプリケーションを実行する潜在能力を持っています。軽量なので、誤って人にぶつかっても極めて安全です。小型なので狭い場所を移動できます。安価に作れれば大量展開でき、例えば温室で害虫や病気の早期発見のために広いエリアを素早くカバーできます。しかし、こうした微小ロボットを自律動作させるのは困難です。より大型ロボットと比べて極めて限られたリソースしかないからです。

外部インフラなしでの自律ナビゲーションの壁

実世界アプリケーションでは、微小ロボットは外部インフラの助けなしにオンボードリソースのみで自律ナビゲーションする必要があります。屋外ではGPS衛星からの位置推定、屋内では無線通信ビーコンが使えます。しかしGPSは屋外でのみ使用可能で、アーバンキャニオンのような複雑な環境では高度に不正確になります。屋内空間にビーコンを設置・維持するのは非常に高コスト、あるいは捜索救助シナリオのように単純に不可能な場合があります。

オンボードリソースのみでの自律ナビゲーションに必要なAIは、自動運転車のような大型ロボットを念頭に開発されてきました。これらのアプローチの一部は、重く電力を消費するLiDARのようなセンサに依存しますが、微小ロボットでは搭載も電力供給も不可能です。他のアプローチはビジョンセンサを使用しますが、通常環境の高精細3Dマップ作成を試みます。しかしそれには大量の処理とメモリが必要で、微小ロボットには大型かつ電力消費が大きすぎるコンピュータでしか提供できません。

自然からのインスピレーション：スナップショットモデル

これが一部の研究者たちが自然にインスピレーションを求めた理由です。昆虫は特に興味深いです。関連する実世界アプリケーション距離で動作しながら、極めて乏しいセンシングとコンピューティングリソースを使用するからです。昆虫は、自分の動きの追跡（オドメトリ）と、低解像度だがほぼ全方向の視覚システム（視覚記憶）に基づく視覚誘導行動を組み合わせます。

オドメトリは神経レベルまでますますよく理解されていますが、視覚記憶の基盤となる正確なメカニズムはまだ十分には理解されていません。したがって、昆虫が視覚をナビゲーションにどう利用するかについては複数の競合理論が存在します。最も初期の理論の一つが「スナップショット」モデルで、アリのような昆虫が環境のスナップショットを時々撮ります。後にスナップショットの場所に近づくと、現在の視覚知覚をスナップショットと比較し、差異を最小化する方向に移動します。これにより、昆虫はスナップショットの場所にナビゲート、または「帰巣」でき、オドメトリのみを実行したときに必然的に蓄積するドリフトを除去できます。

「スナップショットベースのナビゲーションは、ヘンゼルとグレーテルの童話でヘンゼルが迷子にならないよう試みたことと比較できます。ヘンゼルが地面に石を置けば帰還できましたが、鳥に食べられるパンくずでは迷子になりました。私たちの場合、石がスナップショットです」と、研究の筆頭著者トム・ファン・ダイク氏。「石と同様、スナップショットが機能するには、ロボットがスナップショットの場所に十分近づく必要があります。視覚的周囲がスナップショット場所でのものとあまりに異なると、ロボットは間違った方向に動き、決して帰還できません。したがって、十分なスナップショットを使う必要があります。あるいはヘンゼルの場合、十分な数の石を置く必要があります。一方で、石を互いに近すぎる場所に置けば、ヘンゼルの石がすぐに尽きてしまいます。ロボットの場合、スナップショットを多用しすぎるとメモリ消費が大きくなります。この分野の先行研究では通常スナップショットを非常に近くに配置していたため、ロボットはまず1つのスナップショットに視覚的に帰巣し、次に次のスナップショットへと進んでいました。」

「私たちの戦略の基盤となる主な洞察は、ロボットがオドメトリに基づいてスナップショット間を移動するなら、スナップショットをはるかに離して配置できるということです」と、共著者のグイド・デ・クルーン教授。「ロボットのオドメトリドリフトがスナップショットの集水域内に収まる限り、ロボットがスナップショット場所に十分近づくなら、帰巣は機能します。これによりロボットはもっと遠くまで移動できます。」

56gドローンで100m、わずか1.16kBで実証

提案された昆虫着想ナビゲーション戦略により、全方位カメラを搭載した56グラムのCrazyflieドローンが、わずか1.16kBで最大100メートルの距離をカバーできました。すべての視覚処理は微小マイクロコントローラ上で行われました。

「提案された昆虫着想ナビゲーション戦略は、微小自律ロボットを実世界に適用する道のりにおける重要な一歩です」とデ・クルーン氏。「提案戦略の機能は、最先端ナビゲーション手法が提供するものより限定的です。マップを生成せず、ロボットが出発点に戻ることのみを可能とします。それでも多くのアプリケーションではこれで十分かもしれません。例えば、倉庫の在庫追跡や温室の作物監視では、ドローンが飛び出し、データを収集して基地局に帰還できます。ミッション関連画像を小さなSDカードに保存し、サーバーで後処理できます。」

出典