Zdolność owadów do unikania zagrożeń inspiracją dla nowej generacji robotów
Owady wykształciły zaawansowaną zdolność do wykrywania ruchu, która zapewnia im możliwość szybkiego reagowania w złożonych i dynamicznych środowiskach. Organizmy te cechują się unikalną umiejętnością wizualnego wykrywania ruchu, rozróżniania małych, poruszających się obiektów oraz rozpoznawania bodźców sygnalizujących zagrożenia. Szybka reakcja pozwala im unikać kolizji. Owadzie układy wzrokowe rozpoznają ruch i odróżniają różne wzorce wizualne w chaotycznym środowisku, co przekłada się na zdolność owadów do szybkiego reagowania. Choć mechanizmy działania tych układów wzrokowych nie są jeszcze dobrze poznane, są one inspiracją do tworzenia sztucznych układów wizyjnych umożliwiających wykrywanie ruchu. Co ważne, modele obliczeniowe odwzorowujące owadzie szlaki wzrokowe mogą znaleźć wiele zastosowań. Modele takie będzie można w przyszłości zastosować w innowacyjnych czujnikach przeznaczonych do inteligentnych i w pełni zautomatyzowanych robotów.
Modelowanie układów neuronowych owadziego wzroku
W projekcie STEP2DYNA udział wzięli neurobiolodzy, uczeni zajmujący się modelowaniem układów neuronowych oraz badacze i inżynierowie związani z robotyką. Ich celem było zbadanie układu neuronowego owadziego wzroku i utworzenie na jego podstawie modelu, którego będzie można użyć w robotyce. Prace w ramach projektu skupiły się na modelowaniu wykrywania ruchu przez owady. Przeprowadzono je dzięki wsparciu z działań „Maria Skłodowska-Curie”. Naukowcy zajęli się dwoma detektorami ruchu – LGMD1 oraz LGMD2 – znajdującymi się w mózgu szarańczy, w regionie układu wzrokowego. Dzięki tym neuronom owady mogą szybko reagować na zbliżające się obiekty. Konsorcjum opracowało wzorowane na owadach algorytmy, które bazują na mechanizmach działania detektorów LGMD. Mają one umożliwić robotom lądowym i bezzałogowym statkom powietrznym (UAV) wykrywanie zagrożenia kolizją w czasie ruchu lub lotu w złożonych, dynamicznych środowiskach. „LGMD1 reaguje na zbliżające się obiekty na jasnym lub ciemnym tle. Natomiast LGMD2 selektywnie wykrywa ciemne obiekty poruszające się na jasnym tle, co bardziej przypomina sytuację, w jakiej znajdują się pojazdy lądowe i roboty”, wyjaśnia Shigang Yue, koordynator projektu. Zespół opracował syntetyczną sieć neuronową w oparciu o informacje z selektywnych kierunkowo neuronów i neuronów detektorów ruchu małych obiektów u muszek owocówek.
Wykorzystanie inspirowanych naturą algorytmów w robotach
Choć wzorowane na owadach algorytmy STEP2DYNA są stosunkowo proste, cechują się wysoką efektywnością. Biorą one pod uwagę wyłącznie kluczowe oznaki ruchu i przeprowadzają obliczenia dotyczące powiększających się krawędzi zbliżających się obiektów, w związku z czym kolor, kształt i inne właściwości fizyczne obiektów są mniej istotne. „Dzięki temu obliczenia są prostsze, co oznacza, że algorytmy te można stosować w czasie rzeczywistym”, zaznacza Yue. Zespół przygotował wieloczujnikową platformę, skupiając się na procesie projektowania sprzętu i oprogramowania. Doświadczenia w locie przeprowadzone z użyciem dronów udowodniły zdolność detektorów kolizji opartych na neuronach LGMD do efektywnej pracy w różnych dynamicznych środowiskach cechujących się złożonym tłem. Kolejne testy detektorów zamontowanych w mikrorobotach lądowych i statkach UAV również zakończyły się sukcesem, co dodatkowo potwierdziło możliwość zastosowania tego rozwiązania w pojazdach latających o niewielkich rozmiarach, niskim zużyciu energii i małej mocy obliczeniowej. Jak mówi Yue: „W następnej kolejności zamierzamy zbadać widzenie dwuoczne u owadów, by poznać mechanizmy jego działania i dowiedzieć się, jak wspomaga ono postrzeganie głębi przy tak ograniczonej liczbie neuronów, umożliwiając wykrywanie potencjalnych zagrożeń w sposób bardziej dokładny niż w przypadku widzenia jednoocznego”. Badanie te będą wymagały dodatkowego finansowania.
Słowa kluczowe
STEP2DYNA, owady, roboty, LGMD, układ wzrokowy, UAV, bezzałogowy statek powietrzny
