Цей мозок штучного інтелекту, натхненний мурахами, допомагає фермерським роботам краще орієнтуватися в посівах

Уявіть собі: призахідне сонце розфарбовує кукурудзяне поле в сліпучі відтінки бурштину та золота. Тисячі кукурудзяних стебел, важкі від качанів і шелесту листя, височіють над усіма — діти, що біжать кукурудзяними лабіринтами; фермери, які оглядають свій посів; і роботи зі свистом, які обережно зривають стиглі солодкі колоски для осіннього врожаю.

Зачекайте, роботи?

Ідилічні сільськогосподарські угіддя та роботи можуть здатися дивною парою. Але завдяки дедалі складнішому програмному забезпеченню, яке дозволяє роботам «бачити» навколишнє середовище — технологія під назвою комп’ютерний зір — вони швидко інтегруються в нашу основну лінію виробництва продуктів харчування. Роботи тепер виконують повсякденну роботу, наприклад збирання стиглих плодів або знищення в’янучих бур’янів.

з постійний дефіцит у сільськогосподарських робітників надія така машини може допомогти підвищити врожаї, надійно доставляти свіжі фрукти та овочі на наші обідні столи та мінімізувати відходи.

Щоб реалізувати це бачення, роботи-фермери повинні мати можливість долати складні та заплутані сільськогосподарські угіддя. На жаль, ці машини не найкращі навігатори. Вони, як правило, губляться, особливо коли стикаються зі складною місцевістю. Подібно до дітей, які борються в кукурудзяному лабіринті, роботи забувають про своє місцезнаходження, тому часто симптом має назву: проблема викраденого робота.

A  Нове дослідження in Наука робототехніка має на меті покращити навігаційні навички роботів, надавши їм пам’яті.

Під керівництвом доктора Барбари Вебб з Единбурзького університету натхнення прийшло з дивовижного джерела — мурах. Ці тварини чудово вміють добиратися до бажаних місць після однієї поїздки. Подібно досвідченим мандрівникам, вони також пам’ятають знайомі місця, навіть коли рухаються дорогою через густу рослинність.

Використовуючи зображення, зібрані роботом-роумінгом, команда розробила алгоритм, заснований на процесах мозку мурах під час навігації. Коли його запустили на апаратному забезпеченні, яке також імітує обчислення мозку, новий метод переміг найсучаснішу систему комп’ютерного зору в навігаційних завданнях.

«Зокрема мозок комах забезпечує потужне поєднання ефективності та результативності», – сказала команда.

Вирішення проблеми не просто дає норовливим роботам-робатам внутрішній компас, який допоможе їм повернутися додому. Залучення до обчислень мозку — метод, званий нейроморфними обчисленнями — може ще більше вдосконалити те, як роботи, такі як безпілотні автомобілі, взаємодіють із нашим світом.

Мурашине життя

Якщо ви коли-небудь блукали густими лісами чи кукурудзяними лабіринтами, ви, мабуть, запитували своїх друзів: Де ми?

На відміну від прогулянки вздовж міського кварталу з вітринами магазинів та іншими будівлями як орієнтирами, орієнтуватися на полі врожаю надзвичайно складно. Основна причина полягає в тому, що важко визначити, де ви знаходитесь і в якому напрямку ви дивитеся, тому що навколишнє середовище виглядає дуже схожим.

Роботи стикаються з тим самим викликом у дикій природі. В даний час системи зору використовують кілька камер для зйомки зображень, коли робот перетинає місцевість, але їм важко ідентифікувати ту саму сцену, якщо освітлення або погодні умови змінюються. Алгоритми повільно адаптуються, що ускладнює керування автономними роботами в складних середовищах.

Ось де мурахи з’являються.

Навіть маючи відносно обмежені мозкові ресурси порівняно з людьми, мурахи надзвичайно блискучі в навчанні та орієнтуванні в складних нових середовищах. Вони легко запам'ятовують попередні маршрути незалежно від погоди, бруду чи освітлення.

За словами вчених, вони можуть слідувати маршруту з «вищою точністю, ніж GPS дозволив би роботу».

Одна особливість навігаційної майстерності мурашок полягає в тому, що їм не потрібно точно знати, де вони знаходяться під час навігації. Швидше, щоб знайти свою ціль, тварині потрібно лише розпізнати, чи знайоме місце.

Це як досліджувати нове місто з готелю: вам не обов’язково знати, де ви знаходитесь на карті. Вам просто потрібно запам’ятати дорогу, щоб дістатися до кафе на сніданок, щоб мати можливість повернутися додому.

Використовуючи мозок мурах як натхнення, команда побудувала нейроморфного робота в три етапи.

Першим було програмне забезпечення. Незважаючи на малий мозок, мурахи особливо вправно налаштовують свої нейронні ланцюги для перегляду знайомого маршруту. Ґрунтуючись на своїх попередніх висновках, команда зупинилася на «грибних тілах», типу нейронного центру в мозку мурах. Ці центри є критично важливими для вивчення візуальної інформації з навколишнього середовища. Потім інформація поширюється через мозок мурахи для прийняття навігаційних рішень. Наприклад, чи виглядає цей маршрут знайомим, чи варто спробувати іншу смугу?

Далі з’явилися камери для подій, які знімають зображення, наче око тварини. Отримані зображення особливо корисні для тренування комп’ютерного зору, оскільки вони імітують те, як око обробляє світло під час фотографії.

Останнім компонентом є обладнання: SpiNNaker, то комп'ютерний чіп створений для імітації функцій мозку. Вперше розроблений в Університеті Манчестера у Великобританії, чіп імітує внутрішню роботу біологічних нейронних мереж для кодування пам’яті.

Поєднавши всі три компоненти разом, команда побудувала свою мурашину систему. Як доказ концепції вони використовували систему для живлення мобільного робота, який рухався по складній місцевості. Робот, розміром приблизно з дуже великий гамбургер — і влучно названий гамбургер Turtlebot3 — зробив знімки за допомогою камери події, коли він вирушав у похід.

Коли робот котився через лісисті землі, його нейроморфний «мозок» швидко повідомляв про «події», використовуючи пікселі свого оточення. Алгоритм ініціював попереджувальну подію, наприклад, якщо гілки або листя закривали роботу роботу.

Маленький бот подолав приблизно 20 футів серед рослинності різної висоти та вчився на своїх походах. Цей діапазон типовий для мурахи, яка орієнтується на своєму маршруті, сказала команда. У кількох тестах модель AI розбивала дані про поїздку для більш ефективного аналізу. Коли команда змінила маршрут, штучний інтелект відповідним чином відповів збентеженням — зачекайте, це було тут раніше — показуючи, що він вивчив звичайний маршрут.

Навпаки, популярний алгоритм не міг розпізнати той самий маршрут. Програмне забезпечення могло слідувати маршрутом, лише якщо бачило той самий відеозапис. Іншими словами, порівняно з алгоритмом, натхненним мурахами, він не міг узагальнити.

Більш ефективний мозок робота

Моделі штучного інтелекту, як відомо, енергоємні. Нейроморфні системи можуть скоротити свою ненажерливість.

SpiNNaker, апаратне забезпечення системи, ставить алгоритм на енергетичну дієту. Базуючись на структурах нейронної мережі мозку, чіп підтримує масові паралельні обчислення, що означає, що кілька обчислень можуть виконуватися одночасно. Це налаштування не тільки зменшує затримку обробки даних, але й підвищує ефективність.

У цій установці кожен чіп містить 18 ядер, що імітують приблизно 250 нейронів. Кожне ядро ​​має власні інструкції щодо обробки даних і відповідно зберігає пам'ять. Цей вид розподілених обчислень особливо важливий, коли мова йде про обробку зворотного зв’язку в реальному часі, наприклад, маневрування роботів у складній місцевості.

В якості наступного кроку команда глибше досліджує схеми мозку мурах. Дослідження нейронних зв’язків між різними регіонами та групами мозку може ще більше підвищити ефективність робота. Зрештою, команда сподівається створити роботів, які взаємодіють зі світом так само складно, як мураха.

Зображення Фото: Фаріс Мохаммед / Unsplash 

• Розповсюдження контенту та PR на основі SEO. Отримайте посилення сьогодні.
• PlatoData.Network Vertical Generative Ai. Додайте собі сили. Доступ тут.
• PlatoAiStream. Web3 Intelligence. Розширення знань. Доступ тут.
• ПлатонЕСГ. вуглець, CleanTech, Енергія, Навколишнє середовище, Сонячна, Поводження з відходами. Доступ тут.
• PlatoHealth. Розвідка про біотехнології та клінічні випробування. Доступ тут.
• джерело: https://singularityhub.com/2023/10/03/this-ant-inspired-ai-brain-helps-farm-robots-better-navigate-crops/