Kotiinpaluu – Miten Muurahaiset Innoittavat AI-pohjaisia Roboottienkeleitä

Luonnollinen navigaatio

Tiedämme, etteivät hyönteiset ole erityisen älykkäitä ihmisen mittapuun mukaan. Huolimatta heidän rajoituksistaan, ne pystyvät suorittamaan hämmästyttäviä järjestämis- ja suunnistuskykyjä. Tämä tekee niistä inspiraation tutkijoille, jotka työskentelevät mikrorobooteilla ja kevyillä drooneilla, jotka kohtaavat samanlaisia rajoituksia.

Esimerkiksi aavikkomuurahainen Cataglyphis pystyy etsimään pitkiä matkoja ja kävellä suoraan takaisin pesäänsä, matkojen pituuden ollessa jopa 1 km.

Matala kantavuus sekä saatavilla oleva teho tarkoittavat, että ratkaisuja, joita käytetään raskaammilla itsenäisillä järjestelmillä kuten itseohjautuvilla autoilla, ei voida käyttää. Esimerkiksi LIDAR (“laserradiotutka”) on hyvä luomaan 3D-karttoja ympäristöstä, mutta ne ovat liian raskaita ja energiankuluttavia. Ne vaativat myös paljon laskentaa, joka edellyttää paljon muistia ja prosessointia, mikä on energiankulutusta ja raskautta.

Merkinnät ja GPS-signaalit ovat vaihtoehtoja, mutta ne vaativat kallista asennusta, voivat olla epäluotettavia tai ovat suoraan mahdottomia. Joten ymmärtäminen, miten hyönteiset kuten muurahaiset ja mehiläiset pystyvät navigoimaan maailmassa vain rajoitetuin “laitteistoin” ja energiankulutuksin, voisi auttaa meitä jäljittelemään sitä omilla robotti- ja drooniluomuksillamme.

Tämä on yleinen idea bio-innostuneista robooteista, aiheesta, jota käsittelemme tarkemmin mustekalan, salamanterin, käärmeen ja koiran innoittamien robottien kanssa artikkelissamme “Miten robottiikka voi ottaa vihjeen luonnosta“.

Miksi käyttää mikrorobottienkeleitä?

Pienemmät robotit ja droonit ovat halvempia valmistaa ja voivat kattaa enemmän pintoja kerran samalla kustannuksella. Ollessaan pienempiä, ne voivat myös tarkkailla asioita tarkemmin ilman riskiä törmätä ympäristöönsä. Esimerkiksi ne lentävät sisään kasvihuoneeseen ja skannaavat varhaisia merkkejä taudeista tai tuhoeläimistä kasveilla.

Tai ne voidaan lähettää etsintä- ja pelastustehtäviin, tutkimaan raunioita tai villiä luontoa apua tarvitseville ihmisille. Tällaiset ryhmät robotti-“lintuja/muurahaisia/hyttysiä” voivat nopeasti havaita selviytyjiä maanjäristyksen jälkeen, esimerkiksi.

Source: TU Delft

Miten muurahaiset navigoivat maailmassa

Menetelmä on näkemys, joka on erityisen hyvä hyönteisille, sillä ne ovat lähes omnidirectionaalisia visuaalisia järjestelmiä (näkevät kaikkiin suuntiin kerran). Näkemys on kuitenkin suhteellisen matala resoluutio.

Jotkut vanhimmat ja vakiintuneet teoriat siitä, miten hyönteiset käyttävät visuaalisuutta suunnistamiseen, ovat “valokuvamallissa”.

Idea on, että hyönteisen aivot ottavat valokuvia ympäristöstään säännöllisesti. Kun se tarvitsee navigoida takaisin “kotiin”, se vertaa nykyistä ympäristöä äskettäin tallennettuihin valokuviiin.

Tämä käsite on nyt hyvin ymmärretty, ainakin hermosolujen tasolla. Se voidaan siis suhteellisen helposti jäljitellä robooteissa.

Teoriassa tämä menetelmä voi olla riittävä. Käytännössä se kuitenkin kärsii joistakin rajoituksista:

• Toimiakseen hyvin, se vaatii erittäin tiiviin valokuvien sarjan, ja vain yhden puuttuvan tiedon johtavan suunnistusvirheeseen ja mahdollisesti robotin täydelliseen eksymiseen.
• Koska se vaatii paljon valokuvia, se olisi ylivoimainen sekä muurahaisen aivoille että robottien muistille.

Lisäämällä odometrian

Toinen menetelmä, jota muurahaiset ja hyönteiset yleensä käyttävät, on seurata liikettään, menetelmä, jota kutsutaan odometriaksi. Tämä on menetelmä, jota myös robottiikassa käytetään, mutta ongelmana on tarkkuuden puute. Jokainen askel arvioidaan liiketunnisteista (tai subjektiivisesta havainnosta muurahaisen tapauksessa), mutta se ei koskaan täysin heijasta todellista liikettä.

Tämä johti progressiiviseen virheen odometrian perusteella arvioituun sijaintiin, josta tuli vähitellen epätarkempi ajan myötä.

Yhdistämällä nämä kaksi menetelmää oli avainnäkemys tutkijoille TU Delftin yliopistossa, Alankomaissa. Tieteellisessä artikkelissa “Visuaalinen reitin seuraaminen pienille itsenäisille robooteille” he yhdistivät visuaaliset valokuvat odometrian kanssa lisäämään mikrorobottien itsenäisyyttä.

Suurempi suorituskyky

Tämä mahdollisti robotille säännöllisesti nollata odometrian virhe, kun se löysi takaisin yhden merkintävalokuvistaan.

Source: Science Robotics

Samaan aikaan riippumattomuus odometriasta vähentää tarvetta ultra-läheisille valokuville, antaen mikroroboteille mahdollisuuden liikkua nopeammin pisteiden välillä ilman jatkuvaa visuaalisten vihjeiden tarkastelua.

“Pääasiallinen oivallus, joka on perustana strategiallemme, on, että voit sijoittaa valokuvat paljon etäisemmäksi toisistaan, jos robotti liikkuu valokuvien välillä odometrian perusteella.

Kotiinpaluu toimii, kunhan robotti päätyy riittävän lähelle valokuvan sijaintia, ts. kun robotin odometrian virhe jää valokuvan kiinnitysalueen sisällä.”

Professori Guido de Croon.

Tutkimusryhmä käytti uutta suunnistusohjelmistoa, joka yhdisti valokuvat ja odometrian, testatakseen, kuinka vähän dataa voidaan käyttää suunnistamaan 56 gramman painoinen robotti 100 metrin matkalla.

Source: Science Robotics

Se voidaan tehdä erittäin pienellä koolla, vain 1,16 kilotavulla. Vertailukohtana, keskivertaisen kuvan, jonka älypuhelin ottaa, koko on tuhansia kilotavuja kuvaa kohden, ja useimmat verkkokuvat ovat kymmenien tai satojen kilotavujen kokoisia.

Jopa parempi, kaikki kuvan prosessointi voidaan suorittaa kevyellä mini-tietokoneella, jota kutsutaan “mikro-ohjaimella”, jota voidaan löytää monista halpoista sähkölaitteista.

Sovellukset

Teollisuus

Nämä mikrorobotit ja droonit ovat erittäin rajoitettuja tietokäsittelykapasiteetiltaan, ja suurin osa kannettavasta mikro-ohjaimen prosessointitehosta on varattu navigoinnin ja datan keräämisen hallintaan.

Nämä droonit voidaan kuitenkin käyttää seuraamaan varastojen inventaaria tai valvomaan kasveja kasvihuoneissa. Se toimii niin, että ne kävelevät tai lentävät ympäriinsä ja keräävät dataa, kuten kuvia, koodiraidoita tai RFID-tunnisteita. Tämä datapiste voidaan tallentaa pienelle SD-kortille.

Nämä tallenteet voidaan siirtää suuremmalle tietokoneelle tai palvelimelle, joka voi jälkikäteen prosessoida ja kääntää ne hyödylliseksi dataksi.

Sotilas

Toinen todennäköinen sovellusalue voisi olla sotilasteknologia, erityisesti ottaen huomioon kasvavan merkityksen drooneilla modernilla taistelukentällä, kuten Ukrainan sodassa.

Pienet lentävät droonit, jotka ovat tarpeeksi kevyitä mahtumaan jalkaväen pakkaan, voidaan lähettää eteenpäin tiedustelutehtäviin ja tuoda takaisin kuvia vihollisen asemista suojattuihin sotilaisiin.

Koska alue on todennäköisesti voimakkaasti häiritty elektronisella sodankäynnillä (EW) ja jatkuvasti muuttuvassa ympäristössä, droonien itsenäinen navigaatio on välttämätöntä. Kevyt ja alhainen energiankulutus ovat myös todennäköisesti avainominaisuuksia. Tutkimuksessa, josta tässä keskustellaan, drooni pystyi navigoimaan 300 metrin matkan simuloidussa metsäympäristössä.

Source: Flir

Lisätutkimus

Strategia, joka yhdistää odometrian ja valokuvat, on erittäin tehokas ja voidaan tehdä entistä tehokkaammaksi parantamalla odometrin tarkkuutta. Algoritmi, jota käytetään, voidaan myös todennäköisesti säätää entistä muistin- ja tehokkaammaksi.

Toinen parannus olisi lisätä robotin törmäysvälttämiskyky, erityisesti koska se jo nyt on ominaisuus, joka on jo lähes omnidirectionaalinen visuaalinen järjestelmä.

Ratkaisu on vielä löydettävä sille, miten robotti voi vielä eksyä. Esimerkiksi tutkijat ehdottavat, että “robotti voisi arvioida kiinnitysalueen koon verkossa ja varustaa sen etsintämenetelmällä, kun se menettää reitinsä“.

Tämä menetelmä on erityisen sopiva pienille robooteille, jotka yleensä kamppailevat navigoinnissa muiden menetelmien kanssa. Se voidaan kuitenkin alkaa soveltaa myös suurempiin robootteihin, pyrkien vähentämään tarvetta kalliille laitteille kuten LIDAR:ille ja vähentämään laskenta- ja energiankulutusta.

Droonit ja robottiyritykset

1. AutoStore Holdings Ltd. (AUTO.OL)

Itsenäiset ajoneuvot, kuten itseohjautuvat autot, saattavat olla lähellä, mutta ne ovat olleet haasteellinen teknologia kehittää, jopa teknologiajohtajille kuten Googlelle ja Teslaan. Mutta on olemassa sektori, jota jo nyt mullistavat autonomisen ajaminen ja robottiikka: logistiikka.

Norjalainen AutoStore tarjoaa automaattisia varastoja teollisuudenaloille, kuten lääketeollisuudelle, vaatetusteollisuudelle, elintarvikkeille, ilmailulle, logistiikalle ja teollisuudenvalmistajille.

Yhtiön varastot perustuvat itsenäisiin robooteihin, jotka voivat etsiä ja poimia paketteja tai tuotteita ja viedä ne sinne, mihin ne kuuluvat. Voit nähdä ne toiminnassa tässä videossa:

Yhtiö on laajentunut nopeasti, koska yhä useammat suuret yhtiöt ovat ymmärtäneet, että luomalla tehokkaammat, kestävämmät ja nopeammat logistiikkajärjestelmät pandemian jälkeen. Keskimäärin kestää vain 1-3 vuotta, jotta päivitys itsenäisiin varastoihin maksaa itsensä takaisin.

AutoStore toimii 50 maassa, operoiden 58 500 robottia 900 eri asiakkaalle. Se on kasvattanut liikevaihtoaan 50 %:n vuosivauhtia vuodesta 2017. Tämä on 2-3 kertaa nopeampaa kuin automaattisten varastojen markkinan vuotuinen kasvu, joka on arvioitu olevan 15 %.

Source: AutoStore

Kuten monet eurooppalaiset teknologiayhtiöt, AutoStore tarjoaa erittäin edistyneitä ratkaisuja, jotka ovat myös jossain määrin näkymättömiä suuremmalle yleisölle.

Useimmat varastot siirtyvät automaatioon. Johtajat tässä sektorissa ovat todennäköisesti ylittävät sektorin kasvun, koska on järkevää luottaa toimittajaan, joka pystyy käyttöönottoon laajamittaisesti ja edullisemmin.

Robotit, jotka ovat itsenäisempiä ja tehokkaampia suunnistamisessa, voivat olla sekä mahdollisuus että uhka AutoStorelle. Tällä hetkellä on tarpeen suunnitella varasto uudelleen yhtiön robottiratkaisujen käyttöön.

Tulevaisuudessa robotit voivat pystyä suunnistamaan ilman nykyisten käytössä olevien ruutujen tarvetta, mikä tekee otson omaksumisen helpommaksi, vähemmän häiritseväksi ja alkuvaiheen investoinnin paljon pienemmäksi, ratkaisemalla, mitkä ovat edelleen tärkeimmät esteet teknologian massoihmiselle.

Source: Autostore

2. Zebra Technologies Corporation (ZBRA)

Zebra Technologies tuottaa seurantatunnisteita ja skannereita, jotka mahdollistavat jokaisen “älykkään” tehtaan komponentin seuraamisen. Se sisältää kannettavia tietokoneita, viivakoodiskannereita, koneen näköä, sijaintiteknologiaa, tunnisteita ja RFID (Radio-frequency identification).

Tämä taso datan keräämistä ja analyysiä on avainkomponentti robottiikan toteuttamisessa, erityisesti enemmän liikkuvissa ja joustavissa roboteissa tuotannon linjasta.

Yhtiö on ollut viivakoodin suosittelemisen edelläkävijä ja on vuodesta 2018 lähtien ollut hankkimassa teknologioita, joita tarvitaan “robottiikan” ja modernien varastojen ja tehtaiden digitalisointiin.

Source: Zebra

Nykyään yhtiön pääasialliset segmentit ovat verkkokauppa ja vähittäiskauppa sekä liikenne/logistiikka, ja sen jälkeen valmistus.

Source: Zebra

Koska robotit ovat yhä enemmän keskiössä verkkokaupassa ja logistiikassa, Zebra:n seurantajärjestelmät ovat yhä suuremmassa vaadinnassa.

Tällä hetkellä on edelleen tarpeen valmistella paikka roboteille.

Jos mikrorobotti, joka painaa vain muutaman kymmenen gramman, voi nyt liikkua ympäriinsä ja skannata RFID-tunnisteita, voimme pian nähdä jatkuvan valvonnan kaikista toiminnasta tehdaslahdella tai varastossa, jota hoidetaan itsenäisesti, mehiläismäisen droonien parven kautta.