پهپاد ۵۶ گرمی با چشم‌های هوش مصنوعی الهام گرفته از مورچه‌ها برای ناوبری خودکار
پژوهشگران یک سیستم ناوبری خودکار برای پهپادهای کوچک و سبک الهام گرفته از حشرات توسعه داده‌اند.
یک تیم در دانشگاه فنی دلفت از کشفیات بیولوژیکی در مورد نحوه استفاده مورچه‌ها از قدرت دید محیط و محاسبه قدم‌ها برای بازگشت ایمن به خانه الهام گرفته است.
به گفته مهندسان، روبات‌ها با این روش می‌توانند مسافت‌های زیادی را طی کنند و با حداقل پردازش و حافظه (۰.۶۵ کیلوبایت هر ۱۰۰ متر) به خانه بازگردند.
پژوهشگران در بیانیه‌ای اعلام کردند: «در آینده، روبات‌های خودکار کوچک می‌توانند کاربردهای وسیعی، از نظارت بر موجودی انبارها تا یافتن نشتی‌های گاز در سایت‌های صنعتی، داشته باشند.»
ناوبری «عکس فوری» الهام گرفته از حشرات
روبات‌های کوچک، با وزنی بین ده تا چند صد گرم، برای کاربردهای واقعی پتانسیل زیادی دارند. طراحی سبک وزن آنها ایمنی را حتی در برخوردهای تصادفی تضمین می‌کند و اندازه کوچک آنها اجازه می‌دهد تا در فضاهای تنگ ناوبری کنند. اگر به صورت مقرون به صرفه تولید شوند، می‌توانند در تعداد زیادی مورد استفاده قرار گیرند و به طور کارآمد مساحت‌های وسیعی مانند گلخانه‌ها را برای تشخیص زودهنگام آفات یا بیماری‌ها پوشش دهند.
با این حال، عملیات خودکار برای آنها به دلیل منابع محدود در مقایسه با پهپادهای بزرگتر چالش‌برانگیز است. ناوبری به ویژه مشکل‌ساز است. در حالی که GPS می‌تواند در ناوبری بیرونی کمک کند، در داخل ساختمان‌ها و محیط‌های شلوغ بی‌اثر است. بی‌سیم‌های داخلی گران‌بها و در مواردی مانند جستجو و نجات کارآمد نیستند.
به گفته پژوهشگران، بیشتر هوش مصنوعی‌های ناوبری خودکار برای روبات‌های بزرگ طراحی شده‌اند که از حسگرهای سنگین و انرژی‌بر مانند لیدار استفاده می‌کنند که برای روبات‌های کوچک مناسب نیستند. رویکردهای مبتنی بر بینایی، اگرچه انرژی کارآمد هستند، اما نیاز به ایجاد نقشه‌های 3D دقیق دارند که نیازمند پردازش بالا و حافظه زیادی‌اند که فراتر از ظرفیت روبات‌های کوچک است.
پژوهشگران به طبیعت متوسل شده و از حشرات الهام گرفته‌اند تا برای روبات‌های کوچک ناوبری کنند و از حداقل منابع استفاده کنند. حشرات ادومتری (ردیابی حرکت) را با رفتارهای هدایت شده بصری (حافظه دید) ترکیب می‌کنند.
در مدل «عکس فوری»، حشراتی مانند مورچه‌ها به طور دوره‌ای عکس‌هایی از محیط خود می‌گیرند. وقتی نزدیک به عکس می‌شوند، تصاویر فعلی را مقایسه می‌کنند و به حداقل رساندن تفاوت‌ها برای بازگشت دقیق به عکس و تصحیح انحراف ادومتری کمک می‌کند.
ناوبری کارآمد پهپاد در محیط داخلی
تیم DU Helft با تغییر تکنیک‌های قبلی، رویکردی الهام گرفته از زیست‌شناسی توسعه داد. این استراتژی ناوبری بصری، که جهت‌یابی در رابطه با نشانه‌های بصری در محیط را هدایت می‌کند، را با ادومتری، که فاصله طی شده در یک جهت مشخص را اندازه‌گیری می‌کند، ترکیب می‌کند.
پژوهشگران روش خود را در شرایط مختلف داخلی با استفاده از یک پهپاد ۵۶ گرمی Crazyflie Brushless با دوربین پانورامیک، میکروکنترلر و ۱۹۲ کیلوبایت حافظه آزمایش کردند.
در ابتدا، روبات به هدف خود پرواز کرد و به طور دوره‌ای تصاویری از محیط خود گرفت. پهپاد از ناوبری بصری برای پیمایش در همان مسیر به عقب استفاده کرد و به طور منظم برای تصحیح انحراف مسیر، موقعیت فعلی خود را با عکس‌های نقطه‌ای مقایسه کرد.
این رویکرد به دلیل فشرده‌سازی بالا و فاصله دقیق تصاویر بسیار کارآمد از نظر حافظه بود. تمام پردازش‌های بصری در یک کامپیوتر کوچک به نام «میکروکنترلر» انجام شد که در بسیاری از دستگاه‌های الکترونیکی ارزان قیمت یافت می‌شود.
به گفته تیم، استراتژی پیشنهادی کمتر از روش‌های پیشرفته کنونی متنوع است و قابلیت نقشه‌برداری ندارد، اما امکان بازگشت به نقطه شروع را فراهم می‌کند که برای بسیاری از کاربردها مناسب است.
پهپادها ممکن است برای کاربردهایی مانند نظارت بر محصول در گلخانه‌ها و پیگیری موجودی انبارها، با پرواز خارجی داده‌ها را جمع‌آوری کرده و سپس به ایستگاه پایه بازگردند. تصاویر مرتبط با هدف می‌تواند روی یک کارت SD کوچک ذخیره شده و بعداً توسط یک سرور پردازش شود. با این حال، آنها نیازی به استفاده از ناوبری ساده ندارند.
جزئیات مطالعه تیم در مجله Science Robotics منتشر شده است.
