帰巣本能 – アリがAIベースのロボティクスにインスパイアする方法

アリのようにナビゲートする

昆虫は人間の基準で特に賢いとは言えません。しかし、限界があるにもかかわらず、驚くべき組織化と方向付けの能力を持っています。これは、同様の制約に直面しているマイクロロボットや軽量ドローンの研究者にとってインスピレーションとなります。

例えば、砂漠アリ Cataglyphis は長距離で餌を探し、最大1kmの距離を移動した後、まっすぐ巣に戻ることができます。

低い搭載能力と利用可能な電力のため、自己走行車のような重い自律システムで使用されるソリューションは利用できません。例えば、LIDAR（レーザー・レーダー）は環境の3Dマップ作成に優れていますが、重量があり電力消費が大きすぎます。また、膨大な計算が必要で、メモリと処理能力も多くの電力と重量を要します。

ビーコンやGPS信号も代替手段ですが、費用が高く信頼性に欠けるか、全く不可能な場合もあります。したがって、アリやミツバチのような昆虫が限られた「ハードウェア」とエネルギー供給だけで世界をナビゲートする方法を理解することは、ロボットやドローンの設計に応用できるでしょう。

これはバイオインスパイアロボットを使用する一般的な考え方であり、私たちはこの記事「How Robotics Can Take a Cue From Nature」で、タコ、サンショウウオ、ヘビ、犬にインスパイアされたロボットについてさらに探求しました。

なぜマイクロロボットを使用するのか？

小型のロボットやドローンは製造コストが低く、同じ費用でより広い面積をカバーできます。小さいことで、環境と衝突するリスクなしにより詳細に観察できます。例えば、温室内を飛行し、植物の病害や害虫の早期兆候をスキャンします。

あるいは、捜索救助ミッションに展開し、廃墟や野外で助けを必要とする人々を捜索できます。このようなロボットの“鳥/アリ/トンボ”の群れは、地震後に迅速に生存者を検出できるでしょう。

出典: TU Delft

アリはどのように世界をナビゲートするか

一つの方法は視覚を利用することで、昆虫はほぼ全方向の視覚システム（同時に全方向を見る）を持ち、特に得意です。しかし、この視覚は比較的低解像度です。

昆虫が視覚で方向付けを行う方法に関する最も古くから確立された理論の一つは「スナップショットモデル」です。

この考え方は、昆虫の脳が環境のスナップショットを定期的に取得し、”帰巣”が必要なときに現在の環境と最近保存されたスナップショットを比較するというものです。

この概念は神経レベルまでよく理解されており、ロボットに比較的容易に再現できる可能性があります。

理論的にはこの手法だけで十分かもしれませんが、実際にはいくつかの制限があります：

• うまく機能させるには、非常に密なスナップショットの連続が必要で、1つでもデータが欠けると方向感覚を失い、ロボットが完全に迷子になる可能性があります。
• 多数のスナップショットが必要なため、アリの脳やロボットのメモリにとって負担が大きくなります。

オドメトリの追加

アリや一般的な昆虫が使用する別の方法は、移動を追跡するオドメトリと呼ばれる手法です。これはロボティクスでも使用されますが、精度に課題があります。各ステップは動作センサー（またはアリの場合は主観的な感覚）から推定されますが、実際の動きを完全に反映することはありません。

その結果、オドメトリに基づく現在位置の推定精度が徐々にドリフトし、時間とともにますます不正確になります。

この2つの手法を組み合わせたことが、オランダ・TU Delft大学の研究者たちの重要な洞察となりました。科学論文「Visual route following for tiny autonomous robots」では、視覚的スナップショットとオドメトリを組み合わせ、マイクロロボットの自律性を向上させました。

パフォーマンス向上

これにより、ロボットはランドマークとなるスナップショットを見つけるたびにオドメトリのドリフトを定期的にリセットできるようになりました。

出典: Science Robotics

同時に、主にオドメトリに依存することで、超近距離のスナップショットの必要性が減り、マイクロロボットはポイント間をより速く移動でき、常に視覚的手がかりを確認する必要がなくなります。

“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れば、スナップショットをはるかに離して配置できるということです。

帰巣は、ロボットがスナップショットの位置に十分近く到達すれば機能します。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捕捉領域内に収まっている限りです。”
Professor Guido de Croon.

研究チームは、スナップショットとオドメトリを組み合わせた新しい方向付けソフトウェアを使用し、56gしかないロボットを100m移動させる際にどれだけ少ないデータで方向付けできるかをテストしました。

出典: Science Robotics

サイズは極めて小さく、わずか1.16キロバイトです。参考までに、スマートフォンで撮影した平均的な画像は数千キロバイト、オンライン画像の多くは数十から数百キロバイトです。

さらに優れている点は、すべての画像処理が「マイクロコントローラ」と呼ばれる軽量のミニコンピュータで実行でき、多くの安価な電子機器に搭載されています。

応用

産業

このようなマイクロロボットやドローンはデータ処理能力が非常に限られており、搭載されたマイクロコントローラの処理能力の大部分はナビゲーションとデータ収集の管理に費やされています。

しかし、このようなドローンは倉庫の在庫追跡や温室の作物監視に利用できます。歩行または飛行しながら画像、バーコード、RFIDタグなどのデータを収集し、小型SDカードに保存します。

これらの記録は、後でより大きなコンピュータやサーバーに転送され、後処理され有用なデータに変換されます。

軍事

もう一つの有力な応用分野は軍事技術であり、特にウクライナ戦争が示すように、現代の戦場におけるドローンの重要性が高まっています。

歩兵の装備に収まるほど軽量な小型飛行ドローンは、偵察のために先行させ、敵の位置の画像を安全な兵士に戻すことができます。

その地域は電子戦（EW）による強力なジャミングや変化し続ける環境が予想されるため、ドローンの自律ナビゲーションは必須です。軽量かつ低消費電力も重要な特徴となります。本研究では、シミュレートされた森林環境でドローンが300mの軌道をナビゲートできました。

出典: Flir

さらなる研究

オドメトリとスナップショットを組み合わせる戦略は非常に効率的で、オドメータの精度を向上させることでさらに効率化できます。使用されるアルゴリズムも、メモリと電力の効率を高めるよう調整可能です。

さらに改善点として、すでに全方向視覚を備えているロボットに衝突回避機能を追加することが挙げられます。

ロボットがそれでも迷子になる場合に備えた解決策が必要です。例えば、研究者は「ロボットはオンラインで捕捉領域のサイズを推定し、ルートを失った際に検索手順を備えることができる」と提案しています。

この手順は、他の方法でのナビゲーションに苦労する小型ロボットに特に適していますが、将来的には大型ロボットにも適用でき、LIDARのような高価な機器の必要性や計算・電力要件を削減できるでしょう。

ドローンとロボット企業

1. AutoStore Holdings Ltd. (AUTO.OL)

自動運転車のような自律走行車はすぐに実現しそうですが、GoogleやTeslaといったテックリーダーでさえ開発が難しい技術です。しかし、すでに自律走行とロボティクスで革命が起きている分野があります：物流。

ノルウェーのAutoStoreは、医薬品、衣料、食料品、航空、物流、産業メーカーなど多様な業界向けに自動化倉庫を提供しています。アパレル、産業、サードパーティ物流企業がAutoStoreの事業の3大セグメントを構成しています。

同社の倉庫は、自律的に荷物や製品を識別・ピックアップし、所定の場所へ運搬できる自律ロボットに依存しています。以下の動画で実際の動作を見ることができます：

同社は急速に拡大しており、パンデミック後に多くの大手企業が、より効率的でレジリエント、かつ迅速な物流システムの構築の利点を認識しているためです。平均して、自律倉庫へのアップグレードは1〜3年で初期投資を回収します。

AutoStoreは50か国で活動し、900社の顧客向けに58,500台のロボットを運用しています。2017年以降、売上は年平均成長率50%で伸びました。これは、年率15%と推定される自動倉庫市場の成長の2〜3倍の速度です。

出典: AutoStore

多くの欧州テック企業と同様に、AutoStoreは高度なソリューションを提供していますが、一般にはあまり知られていません。

ほとんどの倉庫は自動化へと移行します。この分野のリーダーは、規模でソリューションを展開でき、低価格で提供できるプロバイダーに依存することが理にかなっているため、セクターの成長を上回る可能性が高いです。

より自律的で効率的に道を見つけられるロボットは、AutoStoreにとって機会であると同時に脅威でもあります。現在、同社のロボットソリューションを使用するには、倉庫全体を再設計する必要があります。

将来的には、現在使用されているグリッドなしでロボットが自律的に道を見つけられるようになり、導入がはるかに容易になり、運用中の業務への影響が少なく、初期投資も大幅に削減され、技術の大規模採用に対する主な障壁が解消されます。

出典: Autostore

2. Zebra Technologies Corporation (ZBRA)

Zebra Technologiesは、スマート工場のすべてのコンポーネントを監視できるトラッキングラベルとスキャナーを製造しています。モバイルコンピュータ、バーコードスキャナー、機械ビジョン、位置情報技術、タグ、そしてRFID（無線周波数識別）を含みます。

このレベルのデータ収集と分析は、特にモバイルで柔軟なロボットを組み立てラインから実装する際の重要な要素です。

同社はバーコード普及の起源にあり、2018年以降は現代の倉庫や工場の「ロボティゼーション」およびデジタル化に必要なすべての技術を統合するために買収を続けています。

出典: Zebra

現在、同社の主なセグメントはeコマース・小売と輸送/物流で、次いで製造業です。

出典: Zebra

ロボットがeコマースと物流の中心となるにつれ、Zebraのトラッキングシステムの需要が高まっています。

これまでのところ、比較的大型のロボット用に場所を準備する必要がありました。

数十グラムしかないマイクロロボットがRFIDタグをスキャンできるようになれば、工場や倉庫のすべての活動を蜂のようなドローンの群れが自律的に継続監視する光景がすぐに実現するでしょう。