귀향 – 개미가 영감을 준 AI 기반 로봇공학

개미처럼 탐색하기

우리는 곤충이 인간의 의미에서 특히 똑똑하지 않다는 것을 알고 있습니다. 그러나 그들의 한계에도 불구하고, 그들은 조직과 방향의 놀라운 업적을 달성할 수 있습니다. 이것은 미래의 로봇과 드론을 개발하는 연구자들에게 영감을 주며, 이들은 유사한 제약 조건에 직면합니다.

예를 들어, 사막 개미 Cataglyphis 는 긴 거리를 돌아다닌 후 직선으로巢로 돌아갈 수 있으며, 여행 거리는 최대 1km에 달할 수 있습니다.

저하중 및 이용 가능한 전력으로 인해 자율 주행 자동차와 같은 더 무거운 자율 시스템에서 사용되는 솔루션을 사용할 수 없습니다. 예를 들어, LIDAR(“레이저 레이더”)는 환경의 3D 지도 생성에 좋지만 너무 무겁고 전력 소모가 많습니다. 또한 많은 컴퓨팅이 필요로 하며, 이는 많은 메모리와 처리가 필요로 하며 전력 소모가 많고 무겁습니다.

비콘과 GPS 신호는 대안이지만, 비싼 설정이 필요하며, 신뢰할 수 없거나 아예 불가능할 수 있습니다. 따라서 개미와 꿀벌과 같은 곤충이 제한된 “하드웨어”와 에너지 공급만으로 세계를 탐색하는 방법을 이해하는 것이 우리의 창조물인 로봇과 드론을 복제하는 데 도움이 될 수 있습니다.

이것은 바이오启发 로봇을 사용하는 일반적인 아이디어입니다. 이는 우리가 이전에 오징어, 도롱뇽, 뱀, 개启发 로봇과 관련된 기사에서 더 자세히探讨한 주제입니다. “로봇공학이 자연에서 힌트를 얻을 수 있는 방법“.

미세 로봇을 사용하는 이유

더 작은 로봇과 드론은 동일한 비용으로 더 많은 표면을 덮을 수 있습니다. 더 작기 때문에, 더 자세한 관찰을 할 수 있으며, 환경과 충돌할 위험이 줄어듭니다. 예를 들어, 그들은 온실 안으로 날아가서 식물에 대한 초기 질병이나 해충의 징후를 스캔할 수 있습니다.

또는 그들은 구조 및 구급 임무에 배치될 수 있으며, 잔해나 야생에서 도움을 필요로 하는 사람들을 조사할 수 있습니다. 이러한 로봇 “새/개미/잠자리”의 떼는 지진 이후 생존자를 빠르게 감지할 수 있습니다.

출처: TU Delft

개미가 세계를 탐색하는 방법

한 가지 방법은 시야를 사용하는 것입니다. 곤충은 특히 시야가 좋으며, 거의 모든 방향에서 볼 수 있습니다. 그러나 이 시야는 상대적으로 낮은 해상도를 가지고 있습니다.

가장 오래된 이론 중 하나는 “스냅샷 모델”입니다.

이 아이디어는 곤충 뇌가 환경의 스냅샷을 정기적으로 찍는다는 것입니다. 집으로 돌아가야 할 때, 현재 환경을 최근에 저장된 스냅샷과 비교합니다.

이 개념은 이제 신경 수준에서 잘 이해되고 있으므로 로봇에서 비교적 쉽게 복제할 수 있습니다.

이론적으로, 이 방법만으로 충분할 수 있습니다. 그러나 실제로 몇 가지 제한이 있습니다:

• 잘 작동하려면 매우 긴밀한 스냅샷 시리즈가 필요하며, 하나의 데이터도 누락되면 방향 감각을 잃을 수 있으며 로봇이 완전히 길을 잃을 수 있습니다.
• 많은 스냅샷이 필요로 하므로, 개미 뇌와 로봇의 메모리에 과부하가 걸릴 수 있습니다.

오도메트리 추가

개미와 일반적으로 곤충이 사용하는 또 다른 방법은 이동을 추적하는 것입니다. 이것은 오도메트리라고 하는 방법입니다. 이것은 로봇공학에서도 사용되는 방법이지만, 문제는 정밀도가 부족합니다. 각 단계는 운동 센서(또는 개미의 경우 주관적인 인식)에서 추정되지만, 실제 이동을 완벽하게 반영하지 않습니다.

이로 인해 오도메트리 기반의 현재 위치 추정의 정확도가 점진적으로 감소하여 시간이 지남에 따라 점점 더 부정확해집니다.

두 가지 방법을 결합한 것은 네덜란드 TU Delft의 연구자들의 핵심 아이디어였습니다. 그들은 미세 로봇의 자율성을 높이기 위해 시각적 스냅샷과 오도메트리를 결합했습니다.

더 나은 성능

이로 인해 로봇이 랜드마크 스냅샷 중 하나를 찾을 때마다 오도메트리 드리프트를 정기적으로 재설정할 수 있었습니다.

출처: Science Robotics

동시에, 주로 오도메트리에 의존하면 스냅샷 사이의 거리를 줄일 필요가 줄어들며, 미세 로봇이 더 빠르게 이동할 수 있습니다.

“우리의 전략에 대한 주요 아이디어는 로봇이 오도메트리에 따라 스냅샷 사이를 이동하는 경우, 스냅샷을 더 멀리 떨어뜨릴 수 있다는 것입니다.

집으로 돌아가는 것은 로봇이 스냅샷 위치에 충분히 가까이 도착하는 한 작동합니다. 즉, 로봇의 오도메트리 드리프트가 스냅샷의 캐치먼트 영역 내에 있는 경우입니다.”

교수 Guido de Croon.

연구 팀은 새로운 방향 소프트웨어를 사용하여 56g의 로봇이 100m를 이동하는 데 필요한 데이터의 양을 테스트했습니다.

출처: Science Robotics

극도로 작은 크기, 1.16 킬로바이트에 불과합니다. 참고로, 스마트폰으로 찍은 평균 이미지의 크기는 수천 킬로바이트이며, 대부분의 온라인 이미지는 수십 킬로바이트 또는 수백 킬로바이트입니다.

더욱이, 모든 이미지 처리는 많은 저가 전자 장치에서 찾을 수 있는 “마이크로 컨트롤러”라는 경량 미니 컴퓨터로 수행할 수 있습니다.

응용

산업

이러한 미세 로봇과 드론은 데이터 처리 능력이 매우 제한적이며, 대부분의 온보드 마이크로 컨트롤러 처리 능력이 탐색 및 데이터 수집을 관리하는 데忙합니다.

그러나 이러한 드론은 재고를 창고에서 추적하거나 온실에서 작物을 모니터링하는 데 사용할 수 있습니다. 그것은 그들이 돌아다니고 데이터를 수집하는 것처럼 작동할 것입니다. 이미지, 바코드, 또는 RFID 태그와 같은 데이터 포인트는 작은 SD 카드에 저장될 수 있습니다.

이 기록은 더 큰 컴퓨터 또는 서버에 전송되어 유용한 데이터로 변환될 수 있습니다.

군事

또 다른 잠재적인 응용 분야는 군사 기술, 특히 우크라이나 전쟁에서 드론의 중요성이 증가하고 있기 때문에 군사 기술입니다.

Soldier의 배낭에 들어갈 수 있을 만큼 가벼운 작은 비행 드론은 정찰을 위해 앞으로 보내고, 은신한 군인에게 적의 위치에 대한 이미지로 돌아올 수 있습니다.

그 지역은 전자전(EW)로 심하게 방해를 받을 가능성이 있으며, 환경이不断으로 바뀌기 때문에, 드론의 자율 탐색은 필수적입니다. 경량 및 저전력 소모는 또한 핵심 특징일 것입니다. 연구된 연구에서, 드론은 시뮬레이션된 산림 환경에서 300m의 궤적을 탐색할 수 있었습니다.

출처: Flir

추가 연구

오도메트리와 스냅샷을 결합하는 전략은 매우 효율적이며, 오도메터의 정밀도를 개선함으로써 더욱 효율적으로 만들 수 있습니다. 사용된 알고리즘은 또한 메모리 및 전력 소모를 더욱 효율적으로 만들기 위해 조정될 수 있습니다.

또 다른 개선은 로봇의 충돌 회피 능력을 추가하는 것입니다. 특히 이미 전방향 시야를 가지고 있기 때문에.

로봇이 여전히 길을 잃을 경우에 대한 해결책을 찾는 것이 필요합니다. 예를 들어, 연구자들은 “로봇이 캐치먼트 영역 크기를 온라인으로 추정하고, 경로를 잃었을 때 검색 절차를 수행할 수 있도록 할 수 있습니다“라고 제안합니다.

이 절차는 특히 탐색에 어려움을 겪는 작은 로봇에 적합합니다. 그러나 더 큰 로봇에도 적용될 수 있으며, 비싼 장비인 LIDAR의 필요성을 줄이고, 컴퓨팅 및 전력 요구 사항을 줄이는 데 도움이 될 수 있습니다.

드론 및 로봇 회사

1. AutoStore Holdings Ltd. (AUTO.OL)

자율 주행 자동차는 코너를 돌아오고 있지만, 구글이나 테슬라와 같은 기술 리더에게도 어려운 기술입니다. 그러나 로봇공학과 자율 주행 기술이 혁신을 가져오고 있는 분야가 있습니다. 물류입니다.

노르웨이의 AutoStore는 제약, 의류, 식품, 항공, 물류, 산업 제조업체와 같은 다양한 산업을 위한 자동화 창고를 제공합니다. 의류, 산업, 제3자 물류 회사들이 AutoStore 사업의 세 가지 가장 큰 부문입니다.

회사의 창고는 자동으로 패키지나 제품을 식별하고 가져와야 할 곳으로 옮기는 자율 로봇에 의존합니다. 이 동영상에서 그들을 볼 수 있습니다:

회사는 빠르게 확장하고 있으며, 이는 더 많은 주요 회사들이 대유행 이후 더 효율적이고 복원력 있고 빠른 물류 시스템을 만드는 장점을 깨닫고 있기 때문입니다. 평균적으로 자동화 창고로의 업그레이드에 대한 초기 투자가 1-3년 이내에 회수됩니다.

AutoStore는 50개국에서 운영하고 있으며, 900개의 다른 고객을 위한 58,500개의 로봇을 운영하고 있습니다. 2017년 이후 매년 50%의 성장률을 기록했습니다. 이는 자동화 창고 시장의 연간 성장률인 15%의 2-3배입니다.

출처: AutoStore

많은 유럽 기술 회사와 마찬가지로, AutoStore는 대중에게 상대적으로 보이지 않는 매우 진보된 솔루션을 제공합니다.

대부분의 창고는 자동화로 전환될 것입니다. 이 분야의 리더는 섹터 성장률을 상회할 가능성이 있습니다. 왜냐하면 이러한 솔루션을 대규모로 배포하고 더 저렴한 가격으로 제공할 수 있는 공급자를 사용하는 것이 합리적이기 때문입니다.

더 자율적이고 방향을 찾는 데 더 효율적인 로봇은 AutoStore에게 기회와 위협이 될 수 있습니다. 현재, 회사의 로봇 솔루션을 사용하려면 창고를 완전히 재설계해야 합니다.

미래에는 몇십 그램밖에 되지 않는 미세 로봇이 돌아다니고 RFID 태그를 스캔할 수 있게 되면, 우리는 곧 공장 바닥이나 창고에서 모든 활동을 자율적으로 처리하는 일련의 비행 드론을 볼 수 있을 것입니다.

출처: Autostore

2. Zebra Technologies Corporation (ZBRA)

Zebra Technologies는 스마트 공장을 모니터링할 수 있는 추적 라벨과 스캐너를 생산합니다. 이는 모바일 컴퓨터, 바코드 스캐너, 머신 비전, 위치 기술, 태그 및 RFID(라디오 주파수 식별)를 포함합니다.

이 수준의 데이터 수집 및 분석은 특히 더 이동 가능하고 유연한 로봇을 구현하는 데 핵심 구성 요소입니다.

회사는 바코드의 대중화를 주도했으며, 2018년 이후로 관련 기술을 모두 모으기 위해 인수 행진을 벌여왔습니다. 로봇공학, 특히 더 이동 가능하고 유연한 로봇을 구현하는 데 필요한 모든 기술입니다.

출처: Zebra

현재 회사의 주요 부문은 전자상거래 및 소매 및 운송/물류를 따랐으며, 제조업이 그 뒤를 따릅니다.

출처: Zebra

로봇이 전자상거래 및 물류의 중심이 되고 있는 상황에서, Zebra의 추적 시스템은 수요가 증가하고 있습니다.

지금까지, 상대적으로 큰 로봇을 사용하려면 준비가 필요합니다.

만약 몇십 그램밖에 되지 않는 미세 로봇이 돌아다니고 RFID 태그를 스캔할 수 있게 되면, 우리는 곧 공장 바닥이나 창고에서 모든 활동을 자율적으로 처리하는 일련의 비행 드론을 볼 수 있을 것입니다.