Thuisweg – Hoe mieren AI-gedreven robotica inspireren

Navigeren als mieren

We weten dat insecten niet bijzonder slim zijn in de menselijke zin. Toch kunnen ze, ondanks hun beperkingen, opmerkelijke prestaties leveren op het gebied van organisatie en oriëntatie. Dit maakt ze een inspiratie voor onderzoekers die werken aan microrobots en lichtgewicht drones, die met soortgelijke beperkingen te maken hebben.

Zo kan de woestijnmier Cataglyphis over lange afstanden foerageren en vervolgens recht terug naar haar nest lopen, met reisafstanden tot wel 1 km.

De lage draagcapaciteit, evenals de beschikbare energie, betekenen dat oplossingen die door zwaardere autonome systemen zoals zelfrijdende auto’s worden gebruikt, niet toepasbaar zijn. Zo is LIDAR (“laser radar”) uitstekend voor het maken van 3D‑kaarten van de omgeving, maar ze zijn te zwaar en energie‑intensief. Ze vereisen bovendien veel rekenkracht, wat op zijn beurt veel geheugen en verwerking vraagt, wat weer energie‑intensief en zwaar is.

Bakens en GPS‑signalen zijn alternatieven, maar ze vereisen dure installaties, kunnen onbetrouwbaar zijn, of zijn simpelweg onmogelijk. Dus, begrijpen hoe insecten zoals mieren en bijen de wereld kunnen navigeren met alleen de meest beperkte “hardware” en energievoorziening, kan ons helpen dit te repliceren in onze eigen creaties voor robots en drones.

Dit is het algemene idee van het gebruik van bio‑geïnspireerde robots, een onderwerp dat we verder hebben verkend met octopus‑, salamander‑, slang‑ en hond‑geïnspireerde robots in ons artikel “How Robotics Can Take a Cue From Nature”.

Waarom microrobots gebruiken?

Kleinere robots en drones zijn goedkoper om te bouwen en kunnen meer oppervlaktes tegelijk bestrijken voor dezelfde kosten. Omdat ze kleiner zijn, kunnen ze ook dingen in meer detail observeren, zonder het risico te lopen tegen hun omgeving te botsen. Zo vliegen ze bijvoorbeeld binnen in een kas en scannen ze op vroege tekenen van ziektes of plagen op de planten.

Of ze kunnen worden ingezet voor zoek‑en‑reddingsmissies, waarbij ruïnes of wildernis worden onderzocht op mensen die hulp nodig hebben. Zulke zwermen van robotische “vogels/mieren/drakenvliegen” zouden bijvoorbeeld snel overlevenden kunnen detecteren na een aardbeving.

Bron: TU Delft

Hoe mieren de wereld navigeren

Een methode is het gebruik van visie, iets waarin insecten bijzonder goed zijn omdat ze een bijna omnidirectioneel visueel systeem hebben (ze zien in alle richtingen tegelijk). Deze visie heeft echter een relatief lage resolutie.

Sommige van de oudste en meest gevestigde theorieën over hoe insecten visie gebruiken om zich te oriënteren, staan in het “snapshot‑model”.

Het idee is dat het insectenbrein regelmatig snapshots van de omgeving maakt. Wanneer het moet navigeren terug “naar huis”, vergelijkt het de huidige omgeving met recent opgeslagen snapshots.

Dit concept wordt nu goed begrepen, tot op het neuronale niveau. Het zou dus relatief gemakkelijk in robots kunnen worden gerepliceerd.

In theorie zou deze methode alleen al voldoende kunnen zijn. In de praktijk ondervindt het echter enkele beperkingen:

• Om goed te werken, vereist het een zeer strakke reeks snapshots; zelfs één ontbrekende data kan leiden tot desoriëntatie en mogelijk dat de robot volledig verdwaalt.
• Aangezien er veel snapshots nodig zijn, zou dit overweldigend zijn voor zowel mierengehirnen als het geheugen van robots.

Odometrie toevoegen

Een andere methode die mieren, en insecten in het algemeen, gebruiken, is het bijhouden van hun beweging, een methode die odometrie wordt genoemd. Dit is ook een methode die in de robotica wordt gebruikt, maar het probleem is het gebrek aan precisie. Elke stap wordt geschat op basis van bewegingssensoren (of subjectieve perceptie in het geval van mieren), maar weerspiegelt nooit perfect de werkelijke beweging.

Dit leidde tot een progressieve drift in de nauwkeurigheid van de op odometrie gebaseerde schatting van de huidige locatie, die na verloop van tijd steeds onnauwkeuriger werd.

Het combineren van de 2 methoden was de sleutelinzichten voor onderzoekers aan de TU Delft, Nederland. In een wetenschappelijk artikel genaamd “Visual route following for tiny autonomous robots” combineerden ze zowel visuele snapshots als odometrie om de autonomie van microrobots te vergroten.

Grotere prestaties

Dit stelde de robot in staat om de odometrie‑drift regelmatig te resetten telkens wanneer hij een van zijn landmark‑snapshots terugvond.

Bron: Science Robotics

Tegelijkertijd vermindert het voornamelijk op odometrie vertrouwen de vraag naar ultra‑nauwkeurige snapshots, waardoor de microrobots sneller tussen punten kunnen bewegen, zonder voortdurend visuele aanwijzingen van hun traject te hoeven controleren.

“Het belangrijkste inzicht achter onze strategie is dat je snapshots veel verder uit elkaar kunt plaatsen als de robot tussen snapshots reist op basis van odometrie.

Homing werkt zolang de robot dicht genoeg bij de snapshot‑locatie eindigt, d.w.z. zolang de odometrie‑drift van de robot binnen het vanggebied van de snapshot valt.”

Professor Guido de Croon.

Het onderzoeksteam gebruikte hun nieuwe oriëntatiesoftware die snapshot en odometrie combineert om te testen hoeveel data er minimaal nodig is om een robot van slechts 56 g over 100 m te oriënteren.

Bron: Science Robotics

Het kan een extreem kleine grootte hebben, slechts 1,16 kilobytes. Ter referentie: een gemiddelde foto genomen met een smartphone zal enkele duizenden kilobytes bedragen per afbeelding, en de meeste online afbeeldingen liggen in de tientallen of honderden kilobytes.

Nog beter, alle beeldverwerking kan worden uitgevoerd door een lichtgewicht mini‑computer genaamd een “micro‑controller”, die in veel goedkope elektronische apparaten te vinden is.

Toepassingen

Industrie

Dergelijke microrobots en drones zullen zeer beperkt zijn in hun gegevensverwerkingscapaciteit, waarbij het grootste deel van de verwerkingskracht van de onboard micro‑controller bezig is met het beheren van navigatie en gegevensverzameling.

Dergelijke drones kunnen echter worden ingezet om voorraad in magazijnen bij te houden of gewassen in kassen te monitoren. Ze zouden rondlopen of vliegen en data verzamelen zoals foto’s, barcodes of RFID‑tags. Deze gegevens kunnen worden opgeslagen op een kleine SD‑kaart.

Deze opnames zouden vervolgens worden overgebracht naar een grotere computer of server die ze kan nabewerken en omzetten in bruikbare data.

Militair

Een ander waarschijnlijk toepassingsgebied kan militaire technologie zijn, vooral gezien het groeiende belang van drones op het moderne slagveld, zoals geïllustreerd door de oorlog in Oekraïne.

Kleine vliegende drones die licht genoeg zijn om in een infanteriepakket te passen, kunnen vooruit worden gestuurd voor verkenning en beelden van vijandelijke posities terugbrengen naar beschutte soldaten.

Omdat het gebied waarschijnlijk zwaar wordt verstoord door elektronische oorlogsvoering (EW) en zich voortdurend verandert, zal autonome navigatie van de drones een must zijn. Lichtgewicht en een laag energieverbruik zullen waarschijnlijk ook sleutelkenmerken zijn. In het hier besproken onderzoek kon een drone een traject van 300 m navigeren in een gesimuleerde bosomgeving.

Bron: Flir

Vervolgonderzoek

De strategie van het combineren van odometrie en snapshots is zeer efficiënt en kan nog efficiënter worden gemaakt door de precisie van de odometer te verbeteren. Het gebruikte algoritme kan waarschijnlijk ook worden aangepast om nog energie‑ en geheugen‑efficiënter te zijn.

Een andere verbetering zou zijn om de botsings‑vermijdingsmogelijkheden van de robot toe te voegen, vooral omdat hij al een omnidirectionele visie heeft.

Er moet nog steeds een oplossing worden gevonden voor het geval de robot toch verdwaalt. Bijvoorbeeld, de onderzoekers stellen voor dat “de robot online de grootte van het vanggebied kan schatten en wordt uitgerust met een zoekprocedure wanneer de route verloren gaat”.

Deze procedure is vooral geschikt voor kleine robots die doorgaans moeite hebben met navigatie via andere methoden. Maar hij zou ook op grotere robots kunnen worden toegepast, om de noodzaak van dure apparatuur zoals LIDAR te verminderen en de rekencapaciteit en energie‑eisen te verlagen.

Drones & Robotbedrijven

1. AutoStore Holdings Ltd. (AUTO.OL)

Autonome voertuigen zoals zelfrijdende auto’s staan misschien om de hoek, maar ze zijn een moeilijke technologie om te ontwikkelen, zelfs voor technologische leiders zoals Google en Tesla. Maar er is een sector die al wordt gerevolutioneerd door autonoom rijden en robotica: logistiek.

De Noorse AutoStore levert geautomatiseerde magazijnen voor industrieën zo divers als farmaceutica, kleding, levensmiddelen, luchtvaart, logistiek of industriële fabrikanten. Kleding, industriële en derde‑partij logistieke bedrijven vormen de drie grootste segmenten van AutoStore’s business.

De magazijnen van het bedrijf vertrouwen op autonome robots die zelfstandig pakketten of producten kunnen identificeren, oppakken en naar de juiste locatie kunnen brengen. Je kunt ze in actie zien in deze video:

Het bedrijf breidt zich snel uit, dankzij steeds meer grote bedrijven die het voordeel inzien van efficiëntere, veerkrachtigere en snellere logistieke systemen na de pandemie. Gemiddeld duurt het slechts 1‑3 jaar voordat de investering in autonome magazijnen is terugverdiend.

AutoStore is actief in 50 landen, met 58.500 robots voor 900 verschillende klanten. Het heeft zijn omzet sinds 2017 met 50 % CAGR laten groeien. Dit is 2‑3 x sneller dan de jaarlijkse groei van de geautomatiseerde magazijnmarkt, geschat op 15 %.

Bron: AutoStore

Net als veel Europese techbedrijven biedt AutoStore zeer geavanceerde oplossingen die ook enigszins onzichtbaar zijn voor het grote publiek.

De meeste magazijnen zullen richting automatisering bewegen. Leiders in deze sector zullen waarschijnlijk de sectorgroei overtreffen, omdat het logisch is om te vertrouwen op de leverancier die deze oplossingen op schaal en tegen een lagere prijs kan inzetten.

Robots die autonomer en efficiënter zijn in het vinden van hun weg kunnen zowel een kans als een bedreiging voor AutoStore vormen. Momenteel moet je een magazijn volledig herontwerpen om de robotoplossingen van het bedrijf te gebruiken.

In de toekomst zouden de robots hun weg kunnen vinden zonder de momenteel gebruikte rasterstructuur, waardoor adoptie veel makkelijker, minder storend voor lopende operaties en de initiële investering veel kleiner wordt, waardoor de nog steeds grootste obstakels voor massale adoptie van de technologie worden weggenomen.

Bron: Autostore

2. Zebra Technologies Corporation (ZBRA)

Zebra Technologies (ZBRA ) produceert traceerlabels en scanners die het mogelijk maken om elk onderdeel van een “slimme” fabriek te monitoren. Het omvat mobiele computers, barcodescanners, machine‑vision, locatietechnologie, tags en RFID (Radio‑frequency identification).

Dit niveau van gegevensverzameling en analyse is een sleutelcomponent bij het implementeren van robotica, vooral van het meer mobiele en flexibele type, buiten een assemblagelijn.

Het bedrijf stond aan de oorsprong van de popularisering van de barcode en is sinds 2018 op een overname‑spree om alle technologieën te bundelen die nodig zijn voor de “robotisering” en digitalisering van moderne magazijnen & fabrieken.

Bron: Zebra

Momenteel zijn de belangrijkste segmenten van het bedrijf e‑commerce & retail en transport/logistiek, gevolgd door productie.

Bron: Zebra

Naarmate robots steeds meer het centrum van e‑commerce en logistiek vormen, neemt de vraag naar Zebra‑trackingsystemen toe.

Tot nu toe is het nog steeds nodig om de ruimte voor relatief grote robots voor te bereiden.

Als een microrobot die slechts enkele tientallen gram weegt nu rond kan gaan en RFID‑tags kan scannen, zouden we binnenkort continue monitoring van alle activiteiten op een fabrieksvloer of in een magazijn autonoom kunnen zien gebeuren, via een zwerm bij‑achtige drones.