Ce cerveau d'IA inspiré des fourmis aide les robots agricoles à mieux naviguer dans les cultures

Ce cerveau d'IA inspiré des fourmis aide les robots agricoles à mieux naviguer dans les cultures

Horodatage: 3 octobre 2023 10h00
This Ant-Inspired AI Brain Helps Farm Robots Better Navigate Crops PlatoBlockchain Data Intelligence. Vertical Search. Ai.

Imaginez ceci : le soleil couchant peint un champ de maïs dans des teintes éblouissantes d'ambre et d'or. Des milliers de tiges de maïs, lourdes d'épis et de feuilles bruissantes, dominent tout le monde : des enfants qui courent dans des labyrinthes de maïs ; les agriculteurs examinant leurs récoltes ; et des robots sifflant alors qu'ils cueillent doucement des épis mûrs et sucrés pour la récolte d'automne.

Attendez, les robots ?

Les terres agricoles idylliques et les robots peuvent sembler un couple étrange. Mais grâce à des logiciels de plus en plus sophistiqués permettant aux robots de « voir » leur environnement – ​​une technologie appelée vision par ordinateur – ils s'intègrent rapidement dans notre chaîne de production alimentaire. Les robots effectuent désormais des tâches quotidiennes, comme récolter des fruits mûrs ou détruire les mauvaises herbes qui flétrissent les cultures.

Avec une pénurie persistante chez les ouvriers agricoles, l'espoir est que machines pourrait aider à augmenter les récoltes, à apporter de manière fiable des fruits et légumes frais à nos tables et à minimiser le gaspillage.

Pour réaliser cette vision, les robots agricoles doivent être capables de parcourir des terres agricoles complexes et déroutantes. Malheureusement, ces machines ne sont pas les meilleurs navigateurs. Ils ont tendance à se perdre, surtout lorsqu’ils sont confrontés à un terrain complexe et difficile. Comme des enfants qui se débattent dans un labyrinthe de maïs, les robots oublient si souvent leur emplacement que le symptôme a un nom : le problème des robots kidnappés.

A  nouvelle étude in sciences Robotique vise à renforcer les compétences de navigation des robots en leur donnant de la mémoire.

Dirigée par le Dr Barbara Webb de l'Université d'Édimbourg, l'inspiration est venue d'une source surprenante : les fourmis. Ces créatures sont remarquablement douées pour naviguer vers les destinations souhaitées après un seul voyage. Comme les randonneurs chevronnés, ils se souviennent également d’endroits familiers, même lorsqu’ils traversent une végétation dense en cours de route.

À l’aide d’images collectées par un robot itinérant, l’équipe a développé un algorithme basé sur les processus cérébraux des fourmis pendant la navigation. Lorsqu'elle était exécutée sur un matériel imitant également les calculs du cerveau, la nouvelle méthode a triomphé d'un système de vision par ordinateur de pointe dans les tâches de navigation.

"Les cerveaux des insectes en particulier offrent une puissante combinaison d'efficience et d'efficacité", a déclaré l'équipe.

Résoudre le problème ne se contente pas de donner aux ouvriers agricoles robotiques capricieux une boussole interne pour les aider à rentrer chez eux. Exploiter le calcul du cerveau – une méthode appelée informatique neuromorphique – pourrait affiner davantage la manière dont les robots, tels que les voitures autonomes, interagissent avec notre monde.

La vie d'une fourmi

Si vous avez déjà erré dans des bois denses ou des labyrinthes de maïs, vous avez probablement demandé à vos amis : où sommes-nous ?

Contrairement à la marche le long d’un pâté de maisons – avec des devantures de magasins et d’autres bâtiments comme points de repère – se déplacer dans un champ de culture est extrêmement difficile. L'une des principales raisons est qu'il est difficile de savoir où vous vous trouvez et dans quelle direction vous faites face, car l'environnement qui vous entoure est très similaire.

Les robots sont confrontés au même défi dans la nature. Actuellement, les systèmes de vision utilisent plusieurs caméras pour capturer des images lorsque le robot traverse le terrain, mais ils ont du mal à identifier la même scène si l'éclairage ou les conditions météorologiques changent. Les algorithmes s’adaptent lentement, ce qui rend difficile le guidage de robots autonomes dans des environnements complexes.

C'est ici qu'interviennent les fourmis.

Même avec des ressources cérébrales relativement limitées par rapport aux humains, les fourmis sont remarquablement brillantes pour apprendre et naviguer dans de nouveaux environnements complexes. Ils se souviennent facilement des itinéraires précédents, quelles que soient les conditions météorologiques, la boue ou l'éclairage.

Ils peuvent suivre un itinéraire avec « une précision supérieure à celle que le GPS permettrait à un robot », a déclaré l’équipe.

L’une des particularités des prouesses de navigation d’une fourmi est qu’elle n’a pas besoin de savoir exactement où elle se trouve pendant la navigation. Pour trouver sa cible, la créature doit simplement reconnaître si un lieu lui est familier.

C'est comme explorer une nouvelle ville depuis un hôtel : vous n'avez pas forcément besoin de savoir où vous vous trouvez sur la carte. Il vous suffit de vous souvenir du chemin pour vous rendre dans un café pour le petit-déjeuner afin de pouvoir rentrer chez vous.

En s’inspirant du cerveau des fourmis, l’équipe a construit un robot neuromorphique en trois étapes.

Le premier était le logiciel. Malgré leur petit cerveau, les fourmis sont particulièrement douées pour affiner leurs circuits neuronaux afin de revisiter un itinéraire familier. Sur la base de leurs découvertes précédentes, l’équipe s’est concentrée sur les « corps de champignons », un type de centre neuronal dans le cerveau des fourmis. Ces centres sont essentiels pour apprendre les informations visuelles de l’environnement. Les informations se propagent ensuite dans le cerveau de la fourmi pour éclairer les décisions de navigation. Par exemple, cet itinéraire vous semble-t-il familier ou dois-je essayer une autre voie ?

Viennent ensuite les caméras événementielles, qui capturent des images comme le ferait l’œil d’un animal. Les images résultantes sont particulièrement utiles pour entraîner la vision par ordinateur, car elles imitent la façon dont l’œil traite la lumière lors d’une photographie.

Le dernier composant est le matériel : SpiNNakerun puce informatique construit pour imiter les fonctions cérébrales. Conçue pour la première fois à l’Université de Manchester au Royaume-Uni, la puce simule le fonctionnement interne des réseaux neuronaux biologiques pour coder la mémoire.

En combinant les trois composants, l’équipe a construit son système semblable à une fourmi. Comme preuve de concept, ils ont utilisé le système pour propulser un robot mobile alors qu'il naviguait sur un terrain difficile. Le robot, à peu près de la taille d'un hamburger extra-large – et bien nommé burger Turtlebot3 – a capturé des images avec la caméra de l'événement pendant sa randonnée.

Alors que le robot roulait à travers des terres boisées, son « cerveau » neuromorphique rapportait rapidement des « événements » en utilisant les pixels de son environnement. L'algorithme déclenchait un événement d'avertissement, par exemple si des branches ou des feuilles obscurcissaient la vision du robot.

Le petit robot a parcouru environ 20 pieds dans une végétation de différentes hauteurs et a appris de ses randonnées. Cette plage est typique pour une fourmi qui parcourt son itinéraire, a déclaré l'équipe. Lors de plusieurs tests, le modèle d’IA a décomposé les données du voyage pour une analyse plus efficace. Lorsque l’équipe a modifié l’itinéraire, l’IA a répondu en conséquence avec confusion – attendez, était-ce déjà là – montrant qu’elle avait appris l’itinéraire habituel.

En revanche, un algorithme populaire avait du mal à reconnaître le même itinéraire. Le logiciel ne pouvait suivre un itinéraire que s’il voyait exactement le même enregistrement vidéo. En d’autres termes, comparé à l’algorithme inspiré des fourmis, il ne pouvait pas être généralisé.

Un cerveau de robot plus efficace

Les modèles d’IA sont notoirement gourmands en énergie. Les systèmes neuromorphiques pourraient réduire leur gourmandise.

SpiNNaker, le matériel derrière le système, met l'algorithme au régime énergétique. Basée sur les structures du réseau neuronal du cerveau, la puce prend en charge le calcul massivement parallèle, ce qui signifie que plusieurs calculs peuvent être effectués en même temps. Cette configuration ne réduit pas seulement le délai de traitement des données, mais améliore également l'efficacité.

Dans cette configuration, chaque puce contient 18 cœurs, simulant environ 250 neurones. Chaque cœur possède ses propres instructions sur le traitement des données et stocke la mémoire en conséquence. Ce type d’informatique distribuée est particulièrement important lorsqu’il s’agit de traiter des commentaires en temps réel, comme par exemple pour manœuvrer des robots sur des terrains difficiles.

Dans une prochaine étape, l’équipe approfondira les circuits cérébraux des fourmis. L'exploration des connexions neuronales entre différentes régions et groupes du cerveau pourrait encore accroître l'efficacité d'un robot. À terme, l’équipe espère construire des robots qui interagissent avec le monde avec autant de complexité qu’une fourmi.

Crédit image: Mohamed Faris / Unsplash 

Horodatage:

Plus de Singularity Hub