Heimwärts gebunden – Wie Ameisen die AI-basierte Robotik inspirieren

Wie Ameisen navigieren

Wir wissen, dass Insekten nicht besonders intelligent im menschlichen Sinne sind. Trotz ihrer Einschränkungen sind sie jedoch in der Lage, bemerkenswerte Leistungen in Organisation und Orientierung zu erbringen. Dies macht sie zu einer Inspiration für Forscher, die an Mikrorobotern und leichten Drohnen arbeiten, die mit ähnlichen Einschränkungen konfrontiert sind.

Zum Beispiel kann die Wüstenameise Cataglyphis über weite Strecken foragen und dann direkt zu ihrem Nest zurücklaufen, mit Reisen von bis zu 1 km Länge.

Die geringe Tragfähigkeit sowie die verfügbare Leistung bedeuten, dass Lösungen, die bei schwereren autonomen Systemen wie selbstfahrenden Autos verwendet werden, nicht eingesetzt werden können. Zum Beispiel ist LIDAR (“Laser-Radar”) großartig, um 3D-Karten der Umgebung zu erstellen, aber es ist zu schwer und stromhungrig. Es erfordert auch viel Rechenleistung, was wiederum viel Speicher und Verarbeitung erfordert, die stromhungrig und schwer sind.

Baken und GPS-Signale sind Alternativen, aber sie erfordern teure Einrichtungen, können unzuverlässig sein oder sogar unmöglich sein. Daher könnte das Verständnis, wie Insekten wie Ameisen und Bienen die Welt mit nur minimaler “Hardware” und Energieversorgung navigieren, uns helfen, es mit unseren eigenen Kreationen für Roboter und Drohnen zu replizieren.

Dies ist die allgemeine Idee der Verwendung bio-inspirierter Roboter, ein Thema, das wir in unserem Artikel “Wie Robotik von der Natur lernen kann” weiter erforscht haben.

Warum Mikroroboter verwenden?

Kleinere Roboter und Drohnen sind billiger zu bauen und können für denselben Preis mehr Oberflächen abdecken. Da sie kleiner sind, können sie auch detailliertere Beobachtungen durchführen, ohne das Risiko zu laufen, mit ihrer Umgebung zu kollidieren. Zum Beispiel können sie in einem Gewächshaus fliegen und nach frühen Anzeichen von Krankheiten oder Schädlingen auf den Pflanzen suchen.

Oder sie können für Such- und Rettungsmissionen eingesetzt werden, um Ruinen oder Wildnis nach Menschen zu suchen, die Hilfe benötigen. Solche Schwärme von robotischen “Vögeln/Ameisen/Libellen” könnten schnell Überlebende nach einem Erdbeben erkennen, zum Beispiel.

Quelle: TU Delft

Wie Ameisen die Welt navigieren

Eine Methode ist die Verwendung von Sicht, etwas, bei dem Insekten besonders gut sind, da sie ein fast omnidirektionales Sehsystem haben (sie sehen in alle Richtungen auf einmal). Diese Sicht hat jedoch eine relativ niedrige Auflösung.

Einige der ältesten und etabliertesten Theorien darüber, wie Insekten Sicht verwenden, um sich zu orientieren, sind im “Snapshot-Modell” zu finden.

Die Idee ist, dass das Insektenhirn regelmäßig Schnappschüsse der Umgebung macht. Wenn es navigieren muss, um zurück zu “Hause” zu kommen, vergleicht es die aktuelle Umgebung mit kürzlich gespeicherten Schnappschüssen.

Dieses Konzept ist nun gut verstanden, sowohl auf der neuronalen Ebene. Es könnte also relativ leicht in Roboter repliziert werden.

In der Theorie könnte diese Methode allein ausreichen. In der Praxis leidet sie jedoch unter einigen Einschränkungen:

• Um gut zu funktionieren, erfordert es eine sehr enge Serie von Schnappschüssen, und bereits ein fehlendes Datenpunkt kann zu Desorientierung und potenziell dazu führen, dass der Roboter völlig verloren geht.
• Da es viele Schnappschüsse erfordert, würde es sowohl für Ameisenhirne als auch für Roboter-Speicher überwältigend sein.

Hinzufügen von Odometrie

Eine weitere Methode, die von Ameisen und Insekten im Allgemeinen verwendet wird, ist die Verfolgung ihrer Bewegung, eine Methode, die als Odometrie bezeichnet wird. Dies ist eine Methode, die auch in der Robotik verwendet wird, aber das Problem ist der Mangel an Präzision. Jeder Schritt wird aus Bewegungssensoren (oder subjektiver Wahrnehmung im Falle von Ameisen) geschätzt, aber nie perfekt die tatsächliche Bewegung widerspiegelt.

Dies führte zu einer progressiven Abdrift in der Genauigkeit der odometrischen Schätzung der aktuellen Position, die mit der Zeit immer ungenauer wurde.

Die Kombination beider Methoden war die Schlüsselidee für Forscher an der Universität TU Delft, Niederlande. In einem wissenschaftlichen Paper mit dem Titel “Visuelle Routenverfolgung für winzige autonome Roboter” kombinierten sie visuelle Schnappschüsse mit Odometrie, um die Autonomie von Mikrorobotern zu erhöhen.

Bessere Leistung

Dies ermöglichte es dem Roboter, den Odometrie-Abdrift regelmäßig zurückzusetzen, sobald er einen seiner Landmarken-Schnappschüsse wiederfand.

Quelle: Science Robotics

Gleichzeitig reduziert die Abhängigkeit von Odometrie den Bedarf an ultra-nahen Schnappschüssen, wodurch die Mikroroboter die Fähigkeit haben, schneller zwischen Punkten zu bewegen, ohne ständig nach visuellen Hinweisen auf ihre Traektorie suchen zu müssen.

“Die wichtigste Idee, die unserer Strategie zugrunde liegt, ist, dass man Schnappschüsse viel weiter auseinander platzieren kann, wenn der Roboter zwischen Schnappschüssen auf der Grundlage von Odometrie reist.

Die Heimkehr wird funktionieren, solange der Roboter nahe genug am Schnappschuss-Ort landet, d. h. solange der Odometrie-Abdrift des Roboters innerhalb des Schnappschuss-Fangbereichs liegt.”

Professor Guido de Croon.

Das Forscherteam verwendete ihre neue Orientierungs-Software, die Schnappschüsse und Odometrie kombiniert, um zu testen, wie wenig Daten benötigt werden, um einen Roboter, der nur 56 g wiegt, über 100 m zu orientieren.

Quelle: Science Robotics

Es kann auf eine extrem geringe Größe von nur 1,16 Kilobytes reduziert werden. Zum Vergleich: Ein durchschnittliches Bild, das mit einem Smartphone aufgenommen wird, hat eine Größe von mehreren Kilobytes, und die meisten Online-Bilder haben eine Größe von mehreren Kilobytes oder sogar Zehntausend Kilobytes.

Noch besser ist, dass alle Bildverarbeitungen von einem leichten Mini-Computer, einem sogenannten “Mikrocontroller”, durchgeführt werden können, der in vielen günstigen elektronischen Geräten zu finden ist.

Anwendungen

Industrie

Solche Mikroroboter und Drohnen werden sehr begrenzt in ihrer Datenverarbeitungskapazität sein, wobei die meisten der bordseitigen Mikrocontroller-Verarbeitungsleistung mit der Navigation und Datenverarbeitung beschäftigt sind.

Solche Drohnen könnten jedoch verwendet werden, um Inventar in Lagerhäusern oder Pflanzen in Gewächshäusern zu überwachen. Es würde funktionieren, indem sie herumlaufen oder fliegen und Daten wie Bilder, Strichcodes oder RFID-Tags sammeln. Diese Datenpunkte können auf einer kleinen SD-Karte gespeichert werden.

Diese Aufzeichnungen würden dann auf einen größeren Computer oder Server übertragen, der sie in nützliche Daten umwandeln kann.

Militär

Ein weiteres wahrscheinliches Anwendungsgebiet könnte die militärische Technologie sein, insbesondere angesichts der wachsenden Bedeutung von Drohnen auf dem modernen Schlachtfeld, wie im Krieg in der Ukraine gezeigt.

Kleine fliegende Drohnen, die leicht genug sind, um in einem Infanteriepack zu passen, könnten vorgeschickt werden, um Aufklärung zu betreiben und Bilder von feindlichen Positionen zu geschützten Soldaten zurückzubringen.

Da das Gebiet wahrscheinlich von elektronischer Kriegsführung (EW) gestört und in ständig wechselnden Gebieten sein wird, wird die autonome Navigation der Drohnen unerlässlich sein. Leicht und geringer Energieverbrauch werden wahrscheinlich auch wichtige Merkmale sein. In der hier diskutierten Forschung konnte eine Drohne eine Strecke von 300 m in einer simulierten Waldumgebung navigieren.

Quelle: Flir

Weitere Forschung

Die Strategie, Odometrie und Schnappschüsse zu kombinieren, ist sehr effizient und kann noch effizienter gemacht werden, indem die Präzision des Odometers verbessert wird. Der verwendete Algorithmus kann auch wahrscheinlich so angepasst werden, dass er noch energiesparender ist.

Eine weitere Verbesserung wäre, die Kollisionsvermeidungsfähigkeiten des Roboters zu erweitern, insbesondere da er bereits ein omnidirektionales Sehsystem hat.

Eine Lösung muss noch gefunden werden, wenn der Roboter dennoch verloren geht. Zum Beispiel schlagen die Forscher vor, dass “der Roboter die Größe des Fangbereichs online schätzen und mit einem Suchverfahren ausgestattet werden könnte, wenn er die Route verliert“.

Dieses Verfahren ist besonders geeignet für kleine Roboter, die normalerweise mit der Navigation mittels anderer Methoden kämpfen. Es könnte jedoch auch auf größere Roboter angewendet werden, um den Bedarf an teuren Geräten wie LIDAR zu reduzieren und die Rechen- und Energieanforderungen zu senken.

Drohnen- und Roboter-Unternehmen

1. AutoStore Holdings Ltd. (AUTO.OL)

Autonome Fahrzeuge wie selbstfahrende Autos mögen um die Ecke sein, aber sie sind eine schwierige Technologie, die selbst für Technologieführer wie Google und Tesla zu entwickeln ist. Es gibt jedoch einen Sektor, der bereits von autonomen Fahrzeugen und Robotik revolutioniert wird: Logistik.

Das norwegische AutoStore bietet automatisierte Lagerhäuser für Branchen wie Pharmazeutik, Bekleidung, Lebensmittel, Luftfahrt, Logistik oder industrielle Hersteller. Unternehmen aus der Bekleidungs-, Industrie- und Drittanbieter-Logistik sind die drei größten Segmente von AutoStores Geschäft.

Das Unternehmen expandiert schnell, da immer mehr große Unternehmen die Vorteile erkennen, die durch die Schaffung effizienterer, widerstandsfähigerer und schnellerer logistischer Systeme nach der Pandemie entstehen. Im Durchschnitt dauert es nur 1-3 Jahre, bis die Investition in autonome Lagerhäuser sich auszahlt.

AutoStore ist in 50 Ländern aktiv, betreibt 58.500 Roboter für 900 verschiedene Kunden und hat seine Umsätze seit 2017 um 50 % pro Jahr gesteigert. Dies ist 2-3-mal schneller als der jährliche Wachstumsmarkt für automatisierte Lagerhäuser, der auf 15 % geschätzt wird.

Quelle: AutoStore

Wie viele europäische Technologie-Unternehmen bietet AutoStore sehr fortschrittliche Lösungen, die jedoch für die breite Öffentlichkeit weitgehend unsichtbar sind.

Die meisten Lagerhäuser werden sich in Richtung Automatisierung bewegen. Marktführer in diesem Sektor werden wahrscheinlich das Wachstum des Sektors übertreffen, da es sinnvoll ist, auf den Anbieter zu setzen, der diese Lösungen im großen Maßstab und zu einem günstigeren Preis bereitstellen kann.

Roboter, die autonomer und effizienter bei der Navigation sind, könnten sowohl eine Chance als auch eine Bedrohung für AutoStore darstellen. Derzeit muss ein Lagerhaus vollständig neu gestaltet werden, um die robotischen Lösungen des Unternehmens zu verwenden.

In Zukunft könnten die Roboter jedoch ohne die Notwendigkeit des derzeit verwendeten Rasters navigieren, wodurch die Einführung viel einfacher, weniger störend für laufende Betriebe und die anfängliche Investition viel geringer wäre, was die Haupthindernisse für die breite Einführung dieser Technologie beseitigen würde.

Quelle: Autostore

2. Zebra Technologies Corporation (ZBRA)

Zebra Technologies produziert Tracking-Labels und Scanner, die es ermöglichen, jeden Bestandteil eines “smarteen” Fabrik zu überwachen. Dazu gehören mobile Computer, Strichcodescanner, Maschinenvision, Ortstechnologie, Tags und RFID (Radio-Frequenz-Identifizierung).

Dieses Level an Datenerfassung und -analyse ist ein wichtiger Bestandteil bei der Implementierung von Robotik, insbesondere der mobileren und flexibleren Art, außerhalb einer Montagestraße.

Das Unternehmen war an der Popularisierung des Strichcodes beteiligt und hat seit 2018 eine Akquisitionsstrategie verfolgt, um alle notwendigen Technologien für die “Robotisierung” und Digitalisierung moderner Lagerhäuser und Fabriken zusammenzubringen.

Quelle: Zebra

Derzeit sind die Hauptsegmente des Unternehmens E-Commerce und Einzelhandel sowie Transport und Logistik, gefolgt von der Fertigungsindustrie.

Quelle: Zebra

Da Roboter immer mehr zur Mitte des E-Commerce und der Logistik werden, sind Zebra-Tracking-Systeme immer gefragter.

Bisher ist es noch erforderlich, den Ort für relativ große Roboter vorzubereiten.

Wenn ein Mikroroboter, der nur einige Dutzend Gramm wiegt, jetzt herumlaufen und RFID-Tags scannen kann, könnten wir bald eine kontinuierliche Überwachung aller Aktivitäten auf einer Fabrik- oder Lagerhallenfläche durch einen Schwarm von bienenähnlichen Drohnen sehen.