Homeward Bound – Bagaimana Semut Menginspirasi Robotika Berbasis AI

Menavigasi Seperti Semut

Kita tahu serangga tidak terlalu pintar dalam arti manusia. Namun, meskipun memiliki keterbatasan, mereka mampu melakukan prestasi luar biasa dalam organisasi dan orientasi. Hal ini menjadikan mereka inspirasi bagi peneliti yang bekerja pada mikrorobot dan drone ringan, yang menghadapi kendala serupa.

Sebagai contoh, semut gurun Cataglyphis dapat mencari makan dalam jarak jauh dan kemudian berjalan lurus kembali ke sarangnya, dengan jarak perjalanan hingga 1 km.

Kapasitas angkut yang rendah, serta daya yang tersedia, berarti solusi yang digunakan oleh sistem otonom yang lebih berat seperti mobil self-driving tidak dapat dipakai. Misalnya, LIDAR (\”laser radar\”) sangat baik untuk membuat peta 3D lingkungan, tetapi terlalu berat dan mengonsumsi banyak daya. Mereka juga memerlukan banyak komputasi, yang pada gilirannya membutuhkan memori dan pemrosesan yang besar serta mengonsumsi banyak energi.

Beacon dan sinyal GPS adalah alternatif, tetapi mereka memerlukan instalasi yang mahal, dapat tidak dapat diandalkan, atau bahkan tidak mungkin. Jadi, memahami bagaimana serangga seperti semut dan lebah dapat menavigasi dunia dengan \”perangkat keras\” dan pasokan energi yang sangat terbatas dapat membantu kita menirunya pada ciptaan kita untuk robot dan drone.

Itulah gagasan umum penggunaan robot yang terinspirasi secara bio, sebuah topik yang kami jelajahi lebih lanjut dengan robot terinspirasi gurita, salamander, ular, dan anjing dalam artikel kami “How Robotics Can Take a Cue From Nature”.

Mengapa Menggunakan Mikrorobot?

Robot dan drone yang lebih kecil lebih murah untuk dibangun dan dapat mencakup lebih banyak permukaan sekaligus dengan biaya yang sama. Karena lebih kecil, mereka juga dapat mengamati hal-hal dengan detail lebih tinggi, tanpa risiko menabrak lingkungan mereka. Misalnya, mereka terbang di dalam rumah kaca dan memindai tanda-tanda awal penyakit atau hama pada tanaman.

Atau mereka dapat dikerahkan untuk misi pencarian dan penyelamatan, menyelidiki reruntuhan atau alam liar untuk orang yang membutuhkan bantuan. Kelompok besar “burung/semut/capung” robotik semacam itu dapat dengan cepat mendeteksi korban selamat setelah gempa bumi, misalnya.

Sumber: TU Delft

Bagaimana Semut Menavigasi Dunia

Salah satu metode adalah menggunakan penglihatan, sesuatu yang serangga sangat ahli karena mereka memiliki sistem visual hampir omnidireksional (melihat ke semua arah sekaligus). Namun, penglihatan ini memiliki resolusi yang relatif rendah.

Beberapa teori paling kuno dan mapan tentang bagaimana serangga menggunakan penglihatan untuk mengorientasikan diri mereka berada dalam “model snapshot”.

Gagasannya adalah otak serangga secara teratur mengambil snapshot lingkungan sekitarnya. Ketika perlu menavigasi kembali ke “rumah”, ia membandingkan lingkungan saat ini dengan snapshot yang baru-baru ini disimpan.

Konsep ini kini dipahami dengan baik, setidaknya pada tingkat neuron. Jadi konsep ini dapat direplikasi secara relatif mudah pada robot.

Secara teori, metode ini saja sudah cukup. Namun dalam praktik, ia memiliki beberapa keterbatasan:

• Agar berfungsi dengan baik, diperlukan rangkaian snapshot yang sangat rapat, bahkan satu data yang hilang dapat menyebabkan disorientasi dan berpotensi robot menjadi benar-benar tersesat.
• Karena memerlukan banyak snapshot, hal ini akan menjadi beban berlebih bagi otak semut maupun memori robot.

Menambahkan Odometri

Metode lain yang digunakan oleh semut, dan serangga pada umumnya, adalah melacak pergerakan mereka, sebuah metode yang disebut odometri. Metode ini juga digunakan dalam robotika, tetapi masalahnya adalah kurangnya presisi. Setiap langkah diperkirakan dari sensor gerak (atau persepsi subjektif pada kasus semut), namun tidak pernah sepenuhnya mencerminkan gerakan sebenarnya.

Hal ini menyebabkan drift progresif pada akurasi perkiraan lokasi saat ini berbasis odometri, yang semakin tidak akurat seiring waktu.

Menggabungkan kedua metode tersebut menjadi wawasan kunci bagi peneliti di Universitas TU Delft, Belanda. Dalam makalah ilmiah berjudul “Visual route following for tiny autonomous robots“, mereka menggabungkan snapshot visual dengan odometri untuk meningkatkan otonomi mikrorobot.

Kinerja Lebih Baik

Hal ini memungkinkan robot secara teratur mengatur ulang drift odometri setiap kali menemukan kembali salah satu snapshot landmark-nya.

Sumber: Science Robotics

Pada saat yang sama, mengandalkan odometri sebagian besar mengurangi kebutuhan akan snapshot yang sangat dekat, memberi mikrorobot kemampuan untuk bergerak lebih cepat antar titik, tanpa harus terus-menerus memeriksa petunjuk visual dari lintasannya.

“Wawasan utama di balik strategi kami adalah bahwa Anda dapat menempatkan jarak antar snapshot jauh lebih lebar jika robot bergerak antar snapshot berdasarkan odometri.

Proses kembali ke rumah akan berhasil selama robot berakhir cukup dekat dengan lokasi snapshot, yaitu selama drift odometri robot berada dalam area penangkapan snapshot.

Profesor Guido de Croon.

Tim peneliti menggunakan perangkat lunak orientasi baru mereka yang menggabungkan snapshot dan odometri untuk menguji seberapa sedikit data yang dapat digunakan untuk mengorientasikan robot seberat hanya 56g selama 100m.

Sumber: Science Robotics

Ukuran data yang dibutuhkan dapat sangat kecil, hanya 1,16 kilobyte. Sebagai perbandingan, gambar rata-rata yang diambil oleh smartphone berukuran ribuan kilobyte per foto, dan kebanyakan gambar daring berada dalam puluhan atau ratusan kilobyte.

Lebih baik lagi, seluruh pemrosesan gambar dapat dilakukan oleh mini-komputer ringan yang disebut “mikrokontroler”, yang dapat ditemukan di banyak perangkat elektronik murah.

Aplikasi

Industri

Mikrorobot dan drone semacam itu akan sangat terbatas dalam kapasitas pemrosesan data mereka, dengan sebagian besar daya pemrosesan mikrokontroler onboard sibuk mengelola navigasi dan pengumpulan data.

Drone semacam itu dapat digunakan untuk melacak inventaris di gudang atau memantau tanaman di rumah kaca. Cara kerjanya adalah dengan membiarkan mereka berjalan atau terbang mengelilingi area dan mengumpulkan data seperti foto, kode batang, atau tag RFID. Titik data ini dapat disimpan pada kartu SD kecil.

Rekaman tersebut kemudian akan dipindahkan ke komputer atau server yang lebih besar untuk diproses lebih lanjut dan diubah menjadi data yang berguna.

Militer

Bidang aplikasi lain yang mungkin adalah teknologi militer, terutama mengingat pentingnya drone yang semakin meningkat di medan perang modern, seperti yang terlihat pada perang di Ukraina.

Drone terbang kecil yang cukup ringan untuk dimasukkan ke dalam ransel infanteri dapat dikirim ke depan untuk pengintaian dan membawa kembali gambar posisi musuh kepada prajurit yang berlindung.

Karena area tersebut kemungkinan akan sangat terganggu oleh perang elektronik (EW) dan berada di wilayah yang terus berubah, navigasi otonom drone menjadi keharusan. Berat ringan dan konsumsi daya rendah juga kemungkinan akan menjadi fitur utama. Dalam penelitian yang dibahas di sini, sebuah drone mampu menavigasi lintasan sejauh 300 m dalam lingkungan hutan simulasi.

Sumber: Flir

Penelitian Lebih Lanjut

Strategi menggabungkan odometri dan snapshot sangat efisien dan dapat menjadi lebih efisien lagi dengan meningkatkan presisi odometer. Algoritma yang digunakan juga kemungkinan dapat disesuaikan agar lebih hemat memori dan daya.

Peningkatan lain adalah menambahkan kemampuan penghindaran tabrakan pada robot, terutama karena ia sudah memiliki penglihatan omnidireksional.

Solusi tetap perlu ditemukan untuk situasi di mana robot masih tersesat. Misalnya, peneliti mengusulkan bahwa “robot dapat memperkirakan ukuran area penangkapan secara daring dan dilengkapi dengan prosedur pencarian ketika kehilangan jalur“.

Prosedur ini sangat cocok untuk robot kecil yang biasanya kesulitan menavigasi dengan metode lain. Namun prosedur ini juga dapat diterapkan pada robot yang lebih besar, untuk mengurangi kebutuhan akan peralatan mahal seperti LIDAR, serta mengurangi kebutuhan komputasi dan daya.

Perusahaan Drone & Robot

1. AutoStore Holdings Ltd. (AUTO.OL)

Kendaraan otonom seperti mobil self-driving mungkin sudah di depan mata, tetapi teknologi ini sulit dikembangkan, bahkan bagi pemimpin teknologi seperti Google dan Tesla. Namun ada sektor yang sudah direvolusi oleh mengemudi otonom dan robotika: logistik.

AutoStore asal Norwegia menyediakan gudang otomatis untuk industri yang beragam seperti farmasi, pakaian, bahan makanan, penerbangan, logistik, atau produsen industri. Perusahaan pakaian, industri, dan logistik pihak ketiga menjadi tiga segmen terbesar bisnis AutoStore.

Gudang perusahaan mengandalkan robot otonom yang dapat secara otomatis mengidentifikasi dan mengambil paket atau produk serta membawanya ke tempat yang dituju. Anda dapat melihatnya beraksi dalam video berikut:

Perusahaan ini berkembang cepat, berkat semakin banyak perusahaan besar yang menyadari keuntungan menciptakan sistem logistik yang lebih efisien, tangguh, dan cepat setelah pandemi. Rata-rata, hanya memerlukan 1-3 tahun bagi peningkatan ke gudang otonom untuk mengembalikan investasi awal.

AutoStore beroperasi di 50 negara, mengendalikan 58.500 robot untuk 900 pelanggan berbeda. Pendapatannya tumbuh 50% CAGR sejak 2017. Ini 2-3 kali lebih cepat dibanding pertumbuhan tahunan pasar gudang otomatis, yang diperkirakan 15%.

Sumber: AutoStore

Seperti banyak perusahaan teknologi Eropa, AutoStore menyediakan solusi yang sangat canggih namun juga agak tidak terlihat oleh publik luas.

Sebagian besar gudang akan beralih ke otomatisasi. Pemimpin di sektor ini kemungkinan akan melampaui pertumbuhan sektor, karena masuk akal untuk bergantung pada penyedia yang dapat menerapkan solusi ini secara skala dan dengan harga lebih murah.

Robot yang lebih otonom dan lebih efisien dalam menemukan jalannya dapat menjadi peluang sekaligus ancaman bagi AutoStore. Saat ini, Anda harus merancang ulang seluruh gudang untuk menggunakan solusi robotik perusahaan.

Di masa depan, robot dapat menemukan jalannya tanpa memerlukan grid yang saat ini digunakan, sehingga adopsi menjadi jauh lebih mudah, kurang mengganggu operasi yang sedang berjalan, dan investasi awal jauh lebih kecil, mengatasi hambatan utama adopsi massal teknologi ini.

Sumber: Autostore

2. Zebra Technologies Corporation (ZBRA)

Zebra Technologies (ZBRA ) memproduksi label pelacakan dan pemindai yang memungkinkan pemantauan setiap komponen dari pabrik “cerdas”. Ini mencakup komputer seluler, pemindai kode batang, visi mesin, teknologi lokasi, tag, dan RFID (Radio-frequency identification).

Tingkat pengumpulan dan analisis data ini merupakan komponen kunci dalam penerapan robotika, terutama yang lebih mobile dan fleksibel, di luar jalur perakitan.

Perusahaan ini berada di awal popularisasi kode batang dan sejak 2018 telah melakukan serangkaian akuisisi untuk menggabungkan semua teknologi yang diperlukan bagi “robotisasi” dan digitalisasi gudang serta pabrik modern.

Sumber: Zebra

Saat ini, segmen utama perusahaan adalah e-commerce & ritel serta transportasi/logistik, diikuti oleh manufaktur.

Sumber: Zebra

Seiring robot semakin menjadi pusat e-commerce dan logistik, sistem pelacakan Zebra semakin banyak diminta.

Sampai saat ini, masih diperlukan persiapan tempat untuk robot yang relatif besar.

Jika mikrorobot yang hanya berbobot beberapa puluh gram kini dapat berkeliling dan memindai tag RFID, kita mungkin segera melihat pemantauan terus-menerus atas semua aktivitas di lantai pabrik atau gudang yang ditangani secara otonom, melalui sarang drone menyerupai lebah.