Kotiinpäin – Miten muurahaiset inspiroivat tekoälypohjaista robotiikkaa

Navigointi kuin muurahaiset

Hyönteisten älykkyys poikkeaa ihmisen älykkyydestä, mutta ne pystyvät hämmästyttävään suunnistukseen ja järjestäytyneeseen toimintaan vähäisillä resursseilla. Siksi ne tarjoavat esikuvia mikroroboteille ja kevyille drooneille, joiden laskentateho ja energiavarasto ovat rajallisia.

Esimerkiksi aavikkomuurahaiset, kuten Cataglyphis-suvun lajit, voivat etsiä ravintoa kaukaa ja palata pesälleen suoraviivaisesti. Joidenkin lajien matkat voivat ulottua noin kilometriin.

Pienten robottien kantokyky ja tehonsaanti rajoittavat raskaammissa järjestelmissä käytettävien ratkaisujen hyödyntämistä. LiDAR voi tuottaa ympäristöstä kolmiulotteista tietoa, mutta anturi ja siihen liittyvä laskenta voivat olla liian raskaita tai kuluttaa liikaa energiaa aivan pienille laitteille. Kaikki LiDAR-laitteet eivät kuitenkaan ole samanlaisia.

Paikannusmajakat ja satelliittipaikannus ovat vaihtoehtoja, mutta majakat edellyttävät infrastruktuuria ja satelliittisignaali voi puuttua esimerkiksi sisätiloissa. Hyönteisten suunnistus voi auttaa kehittämään robotteja, jotka toimivat vähäisellä muistilla ja energiankulutuksella.

Luonnosta mallia ottavaa robotiikkaa käsittelimme myös mustekala-, salamanteri-, käärme- ja koiraesimerkkien avulla artikkelissa ”Miten robotiikka voi ottaa mallia luonnosta”.

Miksi käyttää mikrorobotteja?

Pienet robotit ja droonit voivat mahdollistaa tarkastuksia ahtaissa tiloissa ja lähellä kohdetta. Ne eivät silti automaattisesti ole halvempia tai törmäysvaarattomia. Yksi mahdollinen käyttökohde on kasvihuonekasvien tautien tai tuholaisten merkkien kuvaaminen.

Niitä voidaan tutkia myös etsintä- ja pelastustehtäviin, esimerkiksi raunioiden tarkastamiseen. Robottiparvet voisivat auttaa etsimään maanjäristyksestä selvinneitä, mutta tässä käsitelty suunnistustutkimus ei vielä osoittanut tällaista käyttöä käytännössä.

Lähde: TU Delft

Miten muurahaiset navigoivat maailmassa

Monilla hyönteisillä on laaja näkökenttä, vaikka kuvan tarkkuus on suhteellisen pieni. Näkö voi siksi auttaa niitä suunnistamaan eri tavalla kuin ihmistä.

Eräs pitkään tutkittu selitys on tilannekuviin perustuva suunnistusmalli.

Mallissa hyönteinen tallentaa ympäristöstä näkymiä ja vertaa nykyistä näkymää muistissa oleviin kuviin suunnistaessaan takaisin.

Hyönteisten näköön perustuvaa suunnistusta on tutkittu myös hermoston tasolla. Robottimalli voi hyödyntää näitä periaatteita, mutta se ei merkitse, että kaikkia biologisia mekanismeja tunnettaisiin tai kopioitaisiin sellaisinaan.

Pelkkään kuvavertailuun perustuvassa menetelmässä on käytännön rajoituksia:

• Tallennettujen näkymien on oltava riittävän lähellä toisiaan, jotta robotti voi löytää oikean suunnan. Suuri aukko reitissä voi vaikeuttaa paluuta.
• Tiheä kuvasarja kasvattaa muistintarvetta, mikä on ongelma erityisesti pienissä roboteissa.

Odometrian lisääminen

Toinen lähestymistapa on oman liikkeen seuranta eli odometria. Robotit voivat arvioida kulkemaansa matkaa ja suuntaa anturitiedoista. Hyönteisillä vastaava reitin integrointi hyödyntää muun muassa liikkeeseen ja suuntaan liittyviä aistihavaintoja.

Arvioihin kertyvät pienet virheet voivat ajan myötä johtaa huomattavaan poikkeamaan todellisesta sijainnista.

Alankomaalaisen Delftin teknillisen yliopiston, TU Delftin, tutkijat yhdistivät nämä lähestymistavat artikkelissa ”Pienten autonomisten robottien näköön perustuva reitin seuraaminen”. Menetelmä yhdistää tallennetut näkymät ja odometrian, jotta pieni robotti voi seurata aiemmin kuljettua reittiä.

Parempi suorituskyky

Kun robotti tunnistaa tallennetun näkymän ympäristöstään, se voi korjata odometriaan kertynyttä sijaintivirhettä.

Lähde: Science Robotics

Näkymien välillä robotti hyödyntää odometriaa. Näin kuvia ei tarvitse tallentaa yhtä tiheästi, mikä vähentää muistintarvetta.

Menetelmän keskeinen ajatus on, että tallennettujen näkymien välimatkaa voidaan kasvattaa, kun robotti kulkee niiden välillä odometrian avulla.

Paluu onnistuu, jos robotti päätyy riittävän lähelle seuraavan näkymän tallennuspaikkaa, jotta kuvavertailu voi ohjata sen takaisin reitille.

Professori Guido de Croon kuvailee menetelmän toimintaperiaatetta.

Tutkijat kokeilivat menetelmää 56 gramman Crazyflie-droonilla, joka seurasi jopa sadan metrin reittejä. Kyse oli aiemmin opitun reitin seuraamisesta, ei vapaasta suunnistamisesta mihin tahansa tuntemattomaan kohteeseen.

Lähde: Science Robotics

Esimerkkireitin tallennustila oli vain 1,16 kilotavua. Vertailun vuoksi älypuhelimen valokuva voi viedä tuhansia kilotavuja kuvaa kohden, ja verkkokuvankin koko on usein kymmeniä tai satoja kilotavuja. Reittiesitys on vahvasti pakattu eikä vastaa täysikokoisen kuvan tallentamista.

Kuvankäsittely voitiin tehdä kevyellä mikro-ohjaimella, jollaisia käytetään monissa pienissä elektroniikkalaitteissa.

Sovellukset

Teollisuus

Tällaisten mikrorobottien laskentateho on rajallinen, ja suunnistus sekä tiedonkeruu voivat käyttää merkittävän osan käytettävissä olevista resursseista.

Mahdollisia käyttökohteita ovat varastojen inventointi ja kasvihuoneiden tarkastus. Laitteet voisivat kerätä kuvia, lukea viivakoodeja tai soveltuvalla laitteistolla RFID-tunnisteita. Tiedot voitaisiin tallentaa esimerkiksi muistikortille.

Kerätty aineisto voitaisiin siirtää suuremmalle tietokoneelle tai palvelimelle jatkokäsittelyä varten.

Sotilaalliset sovellukset

Myös sotilaallista käyttöä voidaan arvioida, sillä droonien merkitys tiedustelussa on kasvanut. Tässä tutkimuksessa ei kuitenkaan osoitettu valmista sotilasjärjestelmää.

Kevyt drooni voisi kuljettaa kameraa ja palauttaa kuvia ympäristöstä. Käyttökelpoisuus riippuisi muun muassa toiminta-ajasta, havaintokyvystä ja viestiyhteyksistä.

Satelliittipaikannuksen tai radioyhteyksien häiriöt voivat lisätä itsenäisen suunnistuksen tarvetta. Tutkimuksessa erillinen simuloitu Parrot AR -drooni seurasi 300 metrin reittiä virtuaalisessa metsäympäristössä. Tämä ei ollut 56 gramman droonin todellinen metsälento eikä osoitus häirinnänkestävyydestä taistelukentällä.

Lähde: Flir

Lisätutkimus

Menetelmää voitaisiin kehittää parantamalla odometriaa ja kuvien käsittelyä. Muistin ja energiankulutuksen vähentämisessä saattaa olla edelleen mahdollisuuksia.

Törmäysten välttäminen on toinen kehityskohde. Laaja näkökenttä ei yksin takaa, että robotti havaitsee ja väistää kaikki esteet.

Myös reitin kadottamiseen tarvitaan ratkaisu. Tutkijat ehdottavat, että robotti voisi arvioida kuvavertailun toiminta-aluetta lennon aikana ja käynnistää hakumenettelyn kadotettuaan reitin.

Menetelmä soveltuu erityisesti pienten robottien resurssirajoituksiin. Sitä voisi tutkia myös suuremmissa laitteissa laskentakuorman tai anturitarpeen vähentämiseksi, mutta se ei korvaa kaikkia kartoitus- ja paikannusratkaisuja.

Drooni- ja robotiikkayrityksiä

1. AutoStore Holdings Ltd. (AUTO.OL)

Itseajavien autojen kehitys on osoittautunut vaativaksi, ja eri järjestelmät toimivat rajatuissa käyttöympäristöissä. Logistiikassa automaatio ja robotiikka ovat jo laajassa käytössä.

Norjalainen AutoStore toimittaa automatisoituja varastointijärjestelmiä esimerkiksi lääkkeiden, vaatteiden, elintarvikkeiden ja teollisuustuotteiden käsittelyyn. Vaatetus, teollisuus ja kolmannen osapuolen logistiikka ovat tärkeitä asiakasryhmiä.

AutoStoren robotit liikkuvat varastoruudukon päällä, nostavat tavaralaatikoita ja kuljettavat niitä työasemille. Tavaroiden poiminta laatikoista tapahtuu työasemilla; kaikki robotit eivät itsenäisesti tunnista ja poimi yksittäisiä tuotteita. Videossa esitellään järjestelmää:

Tehokkuuden ja toimitusvarmuuden parantaminen voi tukea varastoautomaation kysyntää. Mainittu yhden–kolmen vuoden takaisinmaksuaika riippuu kuitenkin asiakkaasta, käyttötapauksesta ja laskentaoletuksista eikä ole yleinen takuu.

AutoStore kertoi huhtikuussa 2024 julkaistussa vuoden 2023 vuosiraportissaan myyneensä yhteensä 1 400 järjestelmää noin tuhannelle asiakkaalle 54 maahan ja 64 500 robottia. Vuoden 2023 liikevaihto kasvoi 10,6 %. Aiemman esityksen 58 500 robottia, 900 asiakasta ja 50 prosentin historiallinen vuotuinen kasvuvauhti eivät siis kuvaa samoja ajankohtia tai vuoden 2023 kasvua.

Lähde: AutoStore

AutoStoren kaltaiset yritykset toimittavat teknisiä ratkaisuja, jotka jäävät usein kuluttajille näkymättömiksi mutta vaikuttavat toimitusketjujen toimintaan.

Varastoautomaation yleistyminen voi tarjota kasvumahdollisuuksia. Markkinajohtajan asema ei kuitenkaan takaa markkinaa nopeampaa kasvua tai parempaa sijoitustuottoa.

Vapaammin liikkuvat robotit voivat tarjota vaihtoehtoja joihinkin tehtäviin. AutoStoren järjestelmä tarvitsee oman ruudukon, mutta se voidaan asentaa myös olemassa olevaan varastorakennukseen; koko rakennusta ei tarvitse välttämättä suunnitella uudelleen.

Ruudukottomat robotit voivat täydentää tai kilpailla joidenkin automaatioratkaisujen kanssa. Hyönteisistä inspiroitunut suunnistus ei kuitenkaan sellaisenaan korvaa AutoStoren tiheää laatikkovarastoa, nostomekanismeja tai materiaalinkäsittelyä.

Lähde: Autostore

2. Zebra Technologies Corporation (ZBRA)

Zebra Technologies (ZBRA ) valmistaa seuranta- ja tiedonkeruuratkaisuja, kuten mobiilitietokoneita, viivakoodinlukijoita, konenäköä, paikannustekniikkaa sekä radiotaajuista tunnistusta eli RFID:tä hyödyntäviä tuotteita.

Tiedonkeruu ja analysointi tukevat robotiikan käyttöönottoa myös tuotantolinjojen ulkopuolisissa, liikkuvissa tehtävissä.

Zebra on kehittänyt viivakoodi- ja tunnistustekniikoita sekä laajentanut toimintaansa yritysostoilla. Vuonna 2021 se osti Fetch Roboticsin ja vuonna 2022 Matrox Imagingin, mikä vahvisti liikkuvan robotiikan ja konenäön tarjontaa.

Lähde: Zebra

Tärkeitä asiakasmarkkinoita ovat vähittäiskauppa, verkkokauppa, kuljetus, logistiikka ja teollisuus.

Lähde: Zebra

Verkkokaupan ja logistiikan automaatio voi kasvattaa seurantajärjestelmien tarvetta. Kysyntään vaikuttavat kuitenkin myös asiakkaiden investointisyklit ja taloustilanne.

Robottien käyttöönotto edellyttää sopivaa ympäristöä ja turvallisuusjärjestelyjä. Vaatimukset vaihtelevat järjestelmän koon ja toimintatavan mukaan.

Muutaman kymmenen gramman droonin yhdistäminen tunnisteiden lukemiseen voisi avata uusia inventointitapoja. Tässä suunnistustutkimuksessa ei kuitenkaan toteutettu jatkuvaa tehtaan tai varaston RFID-valvontaa, eikä mehiläismäisen drooniparven kaupallista käyttöä voi päätellä pelkästään suunnistustuloksista.