Ant からインスピレーションを得たナビゲーションの画期的な進歩により、小型自律ロボットが実現

モーション デザイン インサイダー

ロボットが飛行する経路の 1 つのタイムラプス画像。 （画像：研究者ら）

昆虫がどのようにして故郷を超えて家に帰ることができるのか疑問に思ったことはありますか?この質問に対する答えは、生物学だけでなく、小型の自律ロボット用の AI の作成にも関係します。デルフト工科大学のドローン研究者らは、アリがどのように環境を視覚的に認識し、それを歩数カウントと組み合わせて安全に家に帰るのかという生物学的発見にインスピレーションを受けたと感じた。彼らはこれらの洞察を利用して、小型軽量ロボットの自律ナビゲーション戦略を作成しました。この戦略により、このようなロボットは、非常に少ない計算量とメモリ (100 m あたり 1.16 kB) を必要としながら、長い軌道を経て帰還することができます。将来的には、小型自律ロボットは、倉庫の在庫監視から工場現場でのガス漏れの発見まで、幅広い用途に見出される可能性がある。研究者たちは研究結果をサイエンス・ロボティクスに発表しました。 、2024 年 7 月 17 日。

数十グラムから数百グラムの小型ロボットは、多くの興味深い現実世界のアプリケーションを実行できる可能性を秘めています。軽量なので、万が一ぶつかっても安全性が高いです。体が小さいので、狭い場所でも移動することができます。また、安価に製造できれば、大量に配備できるため、たとえば温室内で害虫や病気を早期に発見するなど、広い範囲を迅速にカバーできます。ただし、このような小型ロボットを単独で動作させるのは、大型ロボットと比べてリソースが非常に限られているため、困難です。

小型ロボットの使用における主な障害は、現実世界のアプリケーションでは、外部インフラストラクチャの助けを借りてロボットが自力で移動できなければならないことです。屋外の GPS 衛星や屋内の無線通信ビーコンからの位置推定を使用することができます。 GPS は屋外でのみ使用でき、都市部の峡谷などの雑然とした環境では非常に不正確になる可能性があります。また、屋内スペースにビーコンを設置して維持するには、非常に費用がかかるか、たとえば捜索救助のシナリオでは不可能です。

車載リソースのみで自律航行に必要なAIは、自動運転車などの大型ロボットを念頭に開発されている。これらのアプローチの一部は、LiDAR のような重くて電力を大量に消費するセンサーに依存しており、小型ロボットでは持ち運びや電力供給ができません。他のアプローチでは視覚センサーを使用し、通常は環境の非常に詳細な 3D マップを作成しようとします。ただし、それには大量の処理とメモリが必要であり、これを提供できるのは、小型ロボットには大きすぎて電力を大量に消費するコンピュータのみです。

これが、一部の研究者がインスピレーションを得るために自然に目を向けた理由です。昆虫は、非常に希少なセンシングおよびコンピューティング リソースを使用しながら、現実世界の多くのアプリケーションに関連する可能性のある距離を越えて活動するため、特に興味深いです。昆虫は、自分自身の動きの追跡 (オドメトリ) と、低解像度ではあるがほぼ全方向性の視覚システム (視覚記憶) に基づく視覚的に誘導された行動を組み合わせています。

オドメトリはニューロンレベルに至るまでますます理解されてきていますが、ビュー記憶の根底にある正確なメカニズムはあまりよく理解されていません。したがって、昆虫がナビゲーションのために視覚をどのように使用するかについては、複数の競合する理論が存在します。最も初期の理論の 1 つは、アリなどの昆虫が時折その環境のスナップショットを作成する「スナップショット」モデルを提案しています。その後、スナップショット内の位置の近くに到着すると、現在の視覚認識とスナップショットを比較し、差異を最小限に抑えるために移動できます。これにより、昆虫はスナップショットの場所に移動、または「ホーム」することができ、オドメトリのみを実行する場合に必然的に蓄積され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おとぎ話でヘンゼルが迷子にならないようにした方法にたとえることができます。ヘンゼルが地面に石を投げたときは家に戻ることができましたが、鳥に食べられたパンくずを投げたときは道に迷ってしまいました。私たちの場合、石はスナップショットです」と研究の筆頭著者であるトム・ファン・ダイクは述べた。 「石の場合と同様、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。視覚的な環境がスナップショットの場所とあまりに異なる場合、ロボットは間違った方向に移動し、戻れなくなる可能性があります。したがって、十分なスナップショットを使用する必要があります。または、ヘンゼルの場合は十分な数の石を落とす必要があります。一方、石を互いに近づけすぎると、ヘンゼルの石がすぐになくなってしまいます。ロボットの場合、スナップショットを多用すると、この分野の以前の作業では、通常、スナップショットが非常に近くに配置されていたため、ロボットは最初に視覚的に 1 つのスナップショットに移動し、次に次のスナップショットに移動することができました。」

「私たちの戦略の根底にある主な洞察は、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場合、スナップショットの間隔を大幅に広げることができるということです」と、この記事の共著者であるグイド・デ・クルーン教授は述べています。 「ホーミングは、ロボットがスナップショットの位置に十分近づく限り、つまり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機能します。これにより、ロボットはさらに遠くまで移動することもできます。」

提案された昆虫にヒントを得たナビゲーション戦略により、全方位カメラを備えた重さ 56 グラムの Crazyflie ドローンは、わずか 1.16kB で最大 100 メートルの距離をカバーすることができました。すべての視覚処理は小さなマイクロコントローラー上で行われます。

「提案されている昆虫にヒントを得たナビゲーション戦略は、小型自律ロボットを現実世界に応用するための重要なステップです」とデ・クルーン氏は述べた。 「提案された戦略の機能は、最先端のナビゲーション方法によって提供される機能よりも限定されています。マップは生成されず、ロボットが開始点に戻ることだけが許可されます。それでも、多くのアプリケーションにとっては、これで十分すぎるかもしれません。たとえば、倉庫内の在庫追跡や温室での作物の監視の場合、ドローンが飛び立ち、データを収集してから基地局に戻ることができます。サーバーによる後処理のために、ミッション関連の画像を小型 SD カードに保存できます。」

ソース