Dit door mieren geïnspireerde AI-brein helpt landbouwrobots beter door gewassen te navigeren

Stel je dit voor: de ondergaande zon schildert een maïsveld in oogverblindende tinten amber en goud. Duizenden maïsstengels, zwaar van de kolven en ritselende bladeren, torenen boven iedereen uit: kinderen rennen door maïsdoolhoven; boeren die hun gewassen onderzoeken; en robots die voorbij zoeven terwijl ze zachtjes rijpe, zoete oren plukken voor de herfstoogst.

Wacht, robots?

Idyllische landerijen en robots lijken misschien een vreemd stel. Maar dankzij de steeds geavanceerdere software waarmee robots hun omgeving kunnen 'zien' (een technologie die computervisie wordt genoemd) integreren ze snel in onze voedselproductie. Robots voeren nu dagelijkse klusjes uit, zoals rijp fruit oogsten of het vernietigen van gewasvernietigend onkruid.

met een aanhoudend tekort bij landarbeiders is dat de hoop machines kunnen helpen de oogsten te vergroten, op betrouwbare wijze vers fruit en groenten naar onze eettafels te brengen en verspilling te minimaliseren.

Om deze visie te verwezenlijken moeten robotarbeiders in de landbouw complexe en verwarrende landbouwgronden kunnen doorkruisen. Helaas zijn deze machines niet de beste navigators. Ze hebben de neiging om te verdwalen, vooral als ze worden geconfronteerd met complex en uitdagend terrein. Net als kinderen die worstelen in een maïsdoolhof vergeten robots hun locatie zo vaak dat het symptoom een ​​naam heeft: het ontvoerde robotprobleem.

A  nieuwe studie in Science Robotics heeft tot doel de navigatievaardigheden van robots te verbeteren door ze geheugen te geven.

Onder leiding van dr. Barbara Webb van de Universiteit van Edinburgh kwam de inspiratie uit een verrassende bron: mieren. Deze beestjes zijn opmerkelijk goed in het navigeren naar gewenste bestemmingen na slechts één reis. Net als doorgewinterde wandelaars herinneren ze zich ook bekende locaties, zelfs als ze onderweg door dichte begroeiing lopen.

Met behulp van beelden verzameld van een rondzwervende robot ontwikkelde het team een ​​algoritme op basis van hersenprocessen bij mieren tijdens navigatie. Toen het werd uitgevoerd op hardware die ook de berekeningen van de hersenen nabootste, zegevierde de nieuwe methode over een geavanceerd computervisiesysteem voor navigatietaken.

“Vooral insectenhersenen bieden een krachtige combinatie van efficiëntie en effectiviteit”, aldus het team.

Het oplossen van het probleem geeft eigenzinnige robotachtige boerenarbeiders niet alleen een intern kompas om hen te helpen thuis te komen. Door gebruik te maken van de berekeningen van de hersenen – een methode die neuromorphic computing wordt genoemd – zou de manier waarop robots, zoals zelfrijdende auto's, omgaan met onze wereld verder kunnen worden verfijnd.

Het leven van een mier

Als je ooit door dichte bossen of maïsdoolhoven hebt gezworven, heb je waarschijnlijk aan je vrienden gevraagd: waar zijn we?

In tegenstelling tot het lopen langs een stadsblok – met winkelpuien en andere gebouwen als herkenningspunten – is het navigeren door een akkerland uiterst moeilijk. Een belangrijke reden is dat het moeilijk is om te zeggen waar je bent en in welke richting je kijkt, omdat de omgeving zo op elkaar lijkt.

Robots worden in het wild met dezelfde uitdaging geconfronteerd. Momenteel gebruiken visionsystemen meerdere camera's om beelden vast te leggen terwijl de robot het terrein doorkruist, maar ze hebben moeite om dezelfde scène te identificeren als de licht- of weersomstandigheden veranderen. De algoritmen passen zich traag aan, waardoor het moeilijk is om autonome robots in complexe omgevingen te begeleiden.

Hier komen mieren binnen.

Zelfs met relatief beperkte hersencapaciteiten vergeleken met mensen, zijn mieren opmerkelijk briljant in het leren en navigeren in complexe nieuwe omgevingen. Ze onthouden gemakkelijk eerdere routes, ongeacht het weer, de modder of de verlichting.

Ze kunnen een route volgen met “een hogere nauwkeurigheid dan GPS voor een robot mogelijk zou maken”, aldus het team.

Een eigenaardigheid van de navigatievaardigheid van een mier is dat hij tijdens de navigatie niet precies hoeft te weten waar hij zich bevindt. Om zijn doel te vinden hoeft het beestje alleen maar te herkennen of een plek bekend is.

Het is alsof u vanuit een hotel een nieuwe stad verkent: u hoeft niet per se te weten waar u zich op de kaart bevindt. U hoeft alleen maar de weg te onthouden om naar een café te gaan voor het ontbijt, zodat u uw weg terug naar huis kunt manoeuvreren.

Met mierenhersenen als inspiratie bouwde het team in drie stappen een neuromorfe robot.

De eerste was software. Ondanks dat ze kleine hersenen hebben, zijn mieren vooral bedreven in het verfijnen van hun neurale circuits voor het opnieuw bezoeken van een bekende route. Op basis van hun eerdere bevindingen heeft het team zich gericht op ‘paddestoellichamen’, een soort neurale hub in mierenhersenen. Deze hubs zijn van cruciaal belang voor het leren van visuele informatie uit de omgeving. De informatie verspreidt zich vervolgens over de hersenen van de mier om navigatiebeslissingen te ondersteunen. Ziet deze route er bijvoorbeeld bekend uit, of moet ik een andere rijstrook proberen?

Vervolgens kwamen de camera's voor evenementen, die beelden vastleggen zoals het oog van een dier dat zou doen. De resulterende beelden zijn vooral nuttig voor het trainen van computervisie, omdat ze nabootsen hoe het oog licht verwerkt tijdens een foto.

Het laatste onderdeel is de hardware: Spinnaker, een computerchip gebouwd om hersenfuncties na te bootsen. De chip, die voor het eerst werd ontwikkeld aan de Universiteit van Manchester in Groot-Brittannië, simuleert de interne werking van biologische neurale netwerken om het geheugen te coderen.

Door alle drie de componenten samen te voegen, bouwde het team hun mierachtige systeem. Als proof of concept gebruikten ze het systeem om een ​​mobiele robot aan te drijven terwijl deze door moeilijk terrein navigeerde. De robot, ongeveer zo groot als een extra grote hamburger – en toepasselijk de Turtlebot3-burger genoemd – maakte tijdens zijn wandeling beelden met de gebeurteniscamera.

Terwijl de robot door beboste gebieden rolde, rapporteerde zijn neuromorfe ‘brein’ snel ‘gebeurtenissen’ met behulp van pixels uit zijn omgeving. Het algoritme activeerde een waarschuwingsgebeurtenis, bijvoorbeeld als takken of bladeren het zicht van de robot belemmerden.

De kleine bot doorkruiste ongeveer 20 meter door vegetatie van verschillende hoogtes en leerde van zijn tochten. Dit bereik is typerend voor een mier die zijn route navigeert, aldus het team. In meerdere tests heeft het AI-model de gegevens van de reis ontleed voor een efficiëntere analyse. Toen het team de route veranderde, reageerde de AI dienovereenkomstig met verwarring – wacht, was dit hier al eerder – waaruit bleek dat het de gebruikelijke route had geleerd.

Daarentegen had een populair algoritme moeite om dezelfde route te herkennen. De software kon alleen een route volgen als hij exact dezelfde video-opname zag. Met andere woorden: vergeleken met het door mieren geïnspireerde algoritme kon het niet generaliseren.

Een efficiënter robotbrein

AI-modellen zijn notoir energie-hongerig. Neuromorfe systemen zouden hun gulzigheid kunnen doorbreken.

SpiNNaker, de hardware achter het systeem, zet het algoritme op een energiedieet. Gebaseerd op de neurale netwerkstructuren van de hersenen ondersteunt de chip massaal parallel computergebruik, wat betekent dat meerdere berekeningen tegelijkertijd kunnen plaatsvinden. Deze opstelling vermindert niet alleen de vertraging bij de gegevensverwerking, maar verhoogt ook de efficiëntie.

In deze opstelling bevat elke chip 18 kernen, die ongeveer 250 neuronen simuleren. Elke kern heeft zijn eigen instructies voor gegevensverwerking en slaat dienovereenkomstig geheugen op. Dit soort gedistribueerd computergebruik is vooral belangrijk als het gaat om het verwerken van realtime feedback, zoals het manoeuvreren van robots op moeilijk terrein.

Als volgende stap graaft het team dieper in de circuits van de mierenhersenen. Het onderzoeken van neurale verbindingen tussen verschillende hersengebieden en -groepen zou de efficiëntie van een robot verder kunnen vergroten. Uiteindelijk hoopt het team robots te bouwen die met net zoveel complexiteit als een mier met de wereld communiceren.

Krediet van het beeld: Faris Mohammed / Unsplash 

• Door SEO aangedreven content en PR-distributie. Word vandaag nog versterkt.
• PlatoData.Network Verticale generatieve AI. Versterk jezelf. Toegang hier.
• PlatoAiStream. Web3-intelligentie. Kennis versterkt. Toegang hier.
• PlatoESG. carbon, CleanTech, Energie, Milieu, Zonne, Afvalbeheer. Toegang hier.
• Plato Gezondheid. Intelligentie op het gebied van biotech en klinische proeven. Toegang hier.
• Bron: https://singularityhub.com/2023/10/03/this-ant-inspired-ai-brain-helps-farm-robots-better-navigate-crops/