Este cérebro de IA inspirado em formigas ajuda robôs agrícolas a navegar melhor nas colheitas

Imagine isto: o sol poente pinta um milharal em tons deslumbrantes de âmbar e ouro. Milhares de talos de milho, cheios de espigas e farfalhar de folhas, elevam-se sobre todos: crianças correndo em labirintos de milho; agricultores examinando as suas colheitas; e robôs passando zunindo enquanto colhem delicadamente espigas maduras e doces para a colheita do outono.

Espere, robôs?

Fazendas idílicas e robôs podem parecer um casal estranho. Mas graças a software cada vez mais sofisticado que permite aos robôs “ver” o que os rodeia – uma tecnologia chamada visão computacional – eles estão a integrar-se rapidamente na nossa linha principal de produção alimentar. Os robôs agora realizam tarefas diárias, como colhendo frutos maduros ou destruindo ervas daninhas que murcham as colheitas.

Com o uma escassez contínua nos trabalhadores rurais, a esperança é que máquinas poderia ajudar a impulsionar as colheitas, trazer frutas e vegetais frescos de forma confiável para nossas mesas de jantar e minimizar o desperdício.

Para cumprir a visão, os trabalhadores agrícolas robôs precisam ser capazes de atravessar terras agrícolas complexas e confusas. Infelizmente, essas máquinas não são os melhores navegadores. Eles tendem a se perder, especialmente quando enfrentam terrenos complexos e desafiadores. Como crianças lutando em um labirinto de milho, os robôs esquecem sua localização com tanta frequência que o sintoma tem nome: o problema do robô sequestrado.

A  novo estudo in Robótica ciência visa aumentar as habilidades de navegação em robôs, dando-lhes memória.

Liderada pela Dra. Barbara Webb, da Universidade de Edimburgo, a inspiração veio de uma fonte surpreendente: as formigas. Essas criaturas são notavelmente boas em navegar para os destinos desejados após apenas uma viagem. Tal como os caminhantes experientes, também se lembram de locais familiares, mesmo quando se deslocam através de vegetação densa ao longo do caminho.

Usando imagens coletadas de um robô em trânsito, a equipe desenvolveu um algoritmo baseado em processos cerebrais em formigas durante a navegação. Quando foi executado em hardware que também imitava os cálculos do cérebro, o novo método triunfou sobre um sistema de visão computacional de última geração em tarefas de navegação.

“Os cérebros dos insetos, em particular, fornecem uma combinação poderosa de eficiência e eficácia”, disse a equipe.

Resolver o problema não dá apenas aos trabalhadores robóticos rebeldes uma bússola interna para ajudá-los a voltar para casa. Explorar a computação do cérebro – um método chamado computação neuromórfica – poderia refinar ainda mais a forma como os robôs, como os carros autônomos, interagem com o nosso mundo.

A vida de uma formiga

Se você já vagou por florestas densas ou labirintos de milho, provavelmente já perguntou a seus amigos: Onde estamos?

Ao contrário de caminhar ao longo de um quarteirão da cidade – com montras de lojas e outros edifícios como pontos de referência – navegar num campo de cultivo é extremamente difícil. A principal razão é que é difícil dizer onde você está e em que direção está olhando porque o ambiente ao redor é muito semelhante.

Os robôs enfrentam o mesmo desafio na natureza. Atualmente, os sistemas de visão usam múltiplas câmeras para capturar imagens enquanto o robô atravessa o terreno, mas eles têm dificuldade para identificar a mesma cena se a iluminação ou as condições climáticas mudarem. Os algoritmos demoram a se adaptar, dificultando a orientação de robôs autônomos em ambientes complexos.

É aqui que entram as formigas.

Mesmo com recursos cerebrais relativamente limitados em comparação com os humanos, as formigas são notavelmente brilhantes na aprendizagem e na navegação em novos ambientes complexos. Eles se lembram facilmente de rotas anteriores, independentemente do clima, lama ou iluminação.

Eles podem seguir uma rota com “maior precisão do que o GPS permitiria a um robô”, disse a equipe.

Uma peculiaridade da capacidade de navegação de uma formiga é que ela não precisa saber exatamente onde está durante a navegação. Em vez disso, para encontrar o seu alvo, a criatura só precisa de reconhecer se um lugar é familiar.

É como explorar uma nova cidade a partir de um hotel: você não precisa necessariamente saber onde está no mapa. Você só precisa se lembrar do caminho para chegar a um café para tomar café da manhã para poder voltar para casa.

Usando cérebros de formigas como inspiração, a equipe construiu um robô neuromórfico em três etapas.

O primeiro foi o software. Apesar de terem cérebros pequenos, as formigas são especialmente hábeis em afinar os seus circuitos neurais para revisitar uma rota familiar. Com base nas descobertas anteriores, a equipe se concentrou em “corpos de cogumelo”, um tipo de centro neural no cérebro das formigas. Esses hubs são essenciais para aprender informações visuais do ambiente. A informação então se espalha pelo cérebro da formiga para informar as decisões de navegação. Por exemplo, esta rota parece familiar ou devo tentar outra faixa?

Em seguida vieram as câmeras de eventos, que capturam imagens como o olho de um animal. As imagens resultantes são especialmente úteis para treinar visão computacional porque imitam como o olho processa a luz durante uma fotografia.

O último componente é o hardware: Spinnaker, um chip de computador construído para imitar funções cerebrais. Projetado pela primeira vez na Universidade de Manchester, no Reino Unido, o chip simula o funcionamento interno de redes neurais biológicas para codificar a memória.

Unindo todos os três componentes, a equipe construiu seu sistema semelhante a uma formiga. Como prova de conceito, eles usaram o sistema para alimentar um robô móvel enquanto ele navegava em terrenos difíceis. O robô, aproximadamente do tamanho de um hambúrguer extragrande – e apropriadamente chamado de hambúrguer Turtlebot3 – capturou imagens com a câmera do evento enquanto caminhava.

À medida que o robô rolava por terras florestadas, seu “cérebro” neuromórfico relatava rapidamente “eventos” usando pixels do ambiente ao seu redor. O algoritmo acionou um evento de alerta, por exemplo, se galhos ou folhas obscurecessem a visão do robô.

O pequeno bot atravessou cerca de 20 metros em vegetação de várias alturas e aprendeu com suas caminhadas. Esse alcance é típico de uma formiga navegando em sua rota, disse a equipe. Em vários testes, o modelo de IA decompôs os dados da viagem para uma análise mais eficiente. Quando a equipe mudou a rota, a IA respondeu de acordo com confusão – espere, isso já estava aqui antes – mostrando que havia aprendido a rota usual.

Em contraste, um algoritmo popular teve dificuldade em reconhecer a mesma rota. O software só poderia seguir uma rota se visse exatamente a mesma gravação de vídeo. Em outras palavras, comparado ao algoritmo inspirado nas formigas, ele não poderia generalizar.

Um cérebro robótico mais eficiente

Os modelos de IA são notoriamente ávidos de energia. Os sistemas neuromórficos poderiam reduzir sua gula.

SpiNNaker, o hardware por trás do sistema, coloca o algoritmo em uma dieta energética. Com base nas estruturas da rede neural do cérebro, o chip suporta computação massivamente paralela, o que significa que vários cálculos podem ocorrer ao mesmo tempo. Essa configuração não apenas diminui o atraso no processamento de dados, mas também aumenta a eficiência.

Nesta configuração, cada chip contém 18 núcleos, simulando aproximadamente 250 neurônios. Cada núcleo tem suas próprias instruções sobre processamento de dados e armazena memória de acordo. Esse tipo de computação distribuída é especialmente importante quando se trata de processar feedback em tempo real, como manobrar robôs em terrenos difíceis.

Como próximo passo, a equipe está se aprofundando nos circuitos cerebrais das formigas. Explorar conexões neurais entre diferentes regiões e grupos cerebrais poderia aumentar ainda mais a eficiência de um robô. No final, a equipe espera construir robôs que interajam com o mundo com tanta complexidade quanto uma formiga.

Crédito de imagem: Faris Mohammed / Unsplash 

• Conteúdo com tecnologia de SEO e distribuição de relações públicas. Seja amplificado hoje.
• PlatoData.Network Gerativa Vertical Ai. Capacite-se. Acesse aqui.
• PlatoAiStream. Inteligência Web3. Conhecimento Amplificado. Acesse aqui.
• PlatãoESG. Carbono Tecnologia Limpa, Energia, Ambiente, Solar, Gestão de resíduos. Acesse aqui.
• PlatoHealth. Inteligência em Biotecnologia e Ensaios Clínicos. Acesse aqui.
• Fonte: https://singularityhub.com/2023/10/03/this-ant-inspired-ai-brain-helps-farm-robots-better-navigate-crops/