Ta možgan z umetno inteligenco, ki ga je navdihnila mravljica, pomaga kmetijskim robotom pri boljši navigaciji med pridelki

Ta možgan z umetno inteligenco, ki ga je navdihnila mravljica, pomaga kmetijskim robotom pri boljši navigaciji med pridelki

Časovni žig: 3. oktober 2023 10:00
Ta možgani z umetno inteligenco, ki jih je navdihnila mravljica, pomagajo kmetijskim robotom pri boljši navigaciji po posevkih PlatoBlockchain Data Intelligence. Navpično iskanje. Ai.

Predstavljajte si to: zahajajoče sonce obarva koruzno polje v bleščeče odtenke jantarja in zlata. Na tisoče koruznih stebel, težkih od storžev in šelestečih listov, se dviga nad vsemi – otroci tečejo skozi koruzne labirinte; kmetje, ki pregledujejo svoje pridelke; in roboti, ki švigajo mimo, medtem ko nežno trgajo zrela, sladka klasja za jesensko žetev.

Čakajte, roboti?

Idilična kmetijska zemljišča in roboti se morda zdijo čuden par. Toda zahvaljujoč vedno bolj izpopolnjeni programski opremi, ki robotom omogoča, da »vidijo« svojo okolico – tehnologiji, imenovani računalniški vid – se hitro vključujejo v našo glavno linijo proizvodnje hrane. Roboti danes opravljajo vsakodnevna opravila, kot npr obiranje zrelih sadežev ali uničevanje plevela, ki se suši.

z stalno pomanjkanje pri kmetih je upanje to stroji bi lahko pomagal povečati pridelek pridelkov, zanesljivo prinesti sveže sadje in zelenjavo na naše večerje in zmanjšati količino odpadkov.

Da bi izpolnili vizijo, morajo biti roboti kmetje sposobni prečkati zapletena in nejasna kmetijska zemljišča. Na žalost ti stroji niso najboljši navigatorji. Ponavadi se izgubijo, zlasti ko se soočijo s kompleksnim in zahtevnim terenom. Kot otroci, ki se borijo v koruznem labirintu, roboti pozabijo na svojo lokacijo, tako pogosto ima simptom ime: problem ugrabljenega robota.

A  Nova študija in Znanstvena robotika želi povečati navigacijske sposobnosti pri robotih, tako da jim daje spomin.

Pod vodstvom dr. Barbare Webb z Univerze v Edinburghu je navdih prišel iz presenetljivega vira – mravelj. Ta bitja so neverjetno dobra pri navigaciji do želenih ciljev po samo enem potovanju. Tako kot izkušeni pohodniki si tudi oni zapomnijo znane lokacije, tudi ko se premikajo skozi gosto rastlinje na poti.

Z uporabo slik, zbranih iz gostujočega robota, je ekipa razvila algoritem, ki temelji na možganskih procesih pri mravljah med navigacijo. Ko je bila izvedena na strojni opremi, ki prav tako posnema izračune možganov, je nova metoda pri navigacijskih nalogah zmagala nad najsodobnejšim sistemom računalniškega vida.

"Zlasti možgani žuželk zagotavljajo močno kombinacijo učinkovitosti in uspešnosti," je dejala ekipa.

Rešitev težave samoglavim robotskim kmetom ne daje samo notranjega kompasa, ki jim pomaga priti domov. Dotaknitev računanja možganov – metoda, imenovana nevromorfno računalništvo – bi lahko še bolj izpopolnila, kako roboti, kot so samovozeči avtomobili, sodelujejo z našim svetom.

Življenje mravlje

Če ste se kdaj potepali po gostem gozdu ali koruznem labirintu, ste svoje prijatelje verjetno vprašali: Kje smo?

Za razliko od hoje po mestnem bloku – z izložbami trgovin in drugimi zgradbami kot orientacijskimi točkami – je krmarjenje po poljščini izredno težko. Glavni razlog je, da je težko ugotoviti, kje ste in v katero smer ste obrnjeni, ker je okoliško okolje videti tako podobno.

Roboti se v divjini soočajo z istim izzivom. Trenutno sistemi za vid uporabljajo več kamer za zajemanje slik, ko robot prečka teren, vendar težko prepoznajo isti prizor, če se spremenijo svetloba ali vremenske razmere. Algoritmi se počasi prilagajajo, kar otežuje vodenje avtonomnih robotov v kompleksnih okoljih.

Tukaj nastopijo mravlje.

Tudi z razmeroma omejenimi možganskimi viri v primerjavi s človekom so mravlje izjemno briljantne pri učenju in krmarjenju po zapletenih novih okoljih. Z lahkoto si zapomnijo prejšnje poti ne glede na vreme, blato ali svetlobo.

Lahko sledijo poti z "večjo natančnostjo, kot bi jo GPS omogočil robotu," je dejala ekipa.

Ena posebnost mravljine navigacijske sposobnosti je, da ji med navigacijo ni treba natančno vedeti, kje je. Namesto tega mora žival, da bi našla svojo tarčo, samo prepoznati, ali je mesto znano.

To je kot raziskovanje novega mesta iz hotela: ni vam nujno treba vedeti, kje na zemljevidu ste. Samo zapomniti si morate cesto, da pridete do kavarne na zajtrk, da se lahko odpravite nazaj domov.

Z uporabo mravljih možganov kot navdiha je ekipa zgradila nevromorfnega robota v treh korakih.

Prva je bila programska oprema. Kljub majhnim možganom so mravlje še posebej spretne pri natančnem uravnavanju svojih nevronskih vezij za ponovno obiskovanje znane poti. Na podlagi svojih prejšnjih ugotovitev se je ekipa osredotočila na "telesca gob", vrsto nevronskega središča v možganih mravelj. Ta vozlišča so kritična za učenje vizualnih informacij iz okolice. Informacije se nato razširijo po mravljinih možganih, da bi se obveščale o navigacijskih odločitvah. Na primer, ali je ta pot videti znana ali naj poskusim z drugim pasom?

Sledile so kamere za dogodke, ki zajemajo slike, kot bi jih posnelo živalsko oko. Dobljene slike so še posebej uporabne za urjenje računalniškega vida, ker posnemajo, kako oko obdeluje svetlobo med fotografiranjem.

Zadnja komponenta je strojna oprema: SpiNNakerA računalniški čip zgrajen tako, da posnema možganske funkcije. Prvič izdelan na Univerzi v Manchestru v Združenem kraljestvu, čip simulira notranje delovanje bioloških nevronskih mrež za kodiranje spomina.

S prepletanjem vseh treh komponent je ekipa zgradila svoj sistem, podoben mravlji. Kot dokaz koncepta so uporabili sistem za napajanje mobilnega robota, ki je krmaril po zahtevnem terenu. Robot, približno velik kot izjemno velik hamburger – in primerno poimenovan Turtlebot3 burger – je posnel slike s kamero dogodkov, ko je šel na pohod.

Ko se je robot premikal po gozdnatih območjih, so njegovi nevromorfni "možgani" hitro poročali o "dogodkih" s slikovnimi pikami okolice. Algoritem je sprožil opozorilni dogodek, na primer, če so veje ali listi zakrivali robotov vid.

Mali bot je prehodil približno 20 čevljev v rastlinju različnih višin in se učil na svojih poteh. Ta razpon je značilen za mravlje, ki krmarijo po svoji poti, je dejala ekipa. V več testih je model AI razčlenil podatke s potovanja za učinkovitejšo analizo. Ko je ekipa spremenila pot, se je umetna inteligenca ustrezno odzvala z zmedo – počakajte, ali je bilo to tukaj prej –, kar je pokazalo, da se je naučila običajne poti.

Nasprotno pa je priljubljeni algoritem težko prepoznal isto pot. Programska oprema bi lahko sledila poti le, če bi videla popolnoma enak video posnetek. Z drugimi besedami, v primerjavi z algoritmom, ki ga je navdihnila mravlja, ni bilo mogoče posplošiti.

Učinkovitejši robotski možgani

Znano je, da so modeli AI požrešni z energijo. Nevromorfni sistemi bi lahko zmanjšali svojo požrešnost.

SpiNNaker, strojna oprema za sistemom, postavi algoritem na energetsko dieto. Na podlagi možganskih nevronskih mrežnih struktur čip podpira masivno vzporedno računanje, kar pomeni, da se lahko izvede več izračunov hkrati. Ta nastavitev ne samo zmanjša zakasnitev obdelave podatkov, ampak tudi poveča učinkovitost.

V tej postavitvi vsak čip vsebuje 18 jeder, ki simulirajo približno 250 nevronov. Vsako jedro ima svoja navodila za obdelavo podatkov in temu primerno shranjuje pomnilnik. Tovrstno porazdeljeno računalništvo je še posebej pomembno, ko gre za obdelavo povratnih informacij v realnem času, kot je manevriranje robotov na težkem terenu.

Kot naslednji korak se ekipa poglablja v vezja možganov mravelj. Raziskovanje nevronskih povezav med različnimi regijami in skupinami možganov bi lahko dodatno povečalo učinkovitost robota. Na koncu ekipa upa, da bo zgradila robote, ki bodo v interakciji s svetom tako zapleteni kot mravlja.

Kreditno slike: Faris Mohamed / Unsplash 

Časovni žig:

Več od Središče singularnosti