你有没有想过昆虫是如何在离家很远的地方还能找到路的?这个问题的答案不仅与生物学有关，也与制造微型自主机器人的人工智能有关。代尔夫特理工大学无人机研究人员受到蚂蚁如何通过视觉识别环境的生物学发现的启发，并将其与计算步数相结合，以便安全回家。他们利用这些见解为微小的轻型机器人创造了一种受昆虫启发的自主导航策略。该策略允许这种机器人在长途飞行后返回家园，同时需要极少的计算和内存(每100米0.65千字节)。在未来，微型自主机器人可以找到广泛的用途，从监测仓库库存到发现工业现场的气体泄漏。研究人员在2024年7月17日的《科学机器人》杂志上发表了他们的研究结果。

为小人物出头

从几十克到几百克的微型机器人有可能在现实世界中得到有趣的应用。由于它们的重量很轻，即使不小心撞到人，它们也非常安全。由于它们很小，它们可以在狭窄的区域航行。如果制造成本低，它们就可以大量使用，这样它们就可以迅速覆盖大面积，例如在温室中进行早期病虫害检测。

然而，让这样的微型机器人自己操作是很困难的，因为与大型机器人相比，它们的资源极其有限。一个主要的障碍是他们必须能够自己导航。为此，机器人可以从外部基础设施中获得帮助。他们可以利用室外的GPS卫星或室内的无线通信信标来估计位置。然而，依赖这样的基础设施通常是不可取的。GPS在室内无法使用，在城市峡谷等杂乱的环境中可能会非常不准确。在室内空间安装和维护信标非常昂贵，或者根本不可能，例如在搜索和救援场景中。

仅依靠车载资源进行自主导航所需的人工智能，是考虑到自动驾驶汽车等大型机器人而开发的。一些方法依赖于重型、耗电的传感器，如激光雷达激光巡警，这些传感器根本无法由小型机器人携带或供电。其他方法使用视觉，这是一种非常节能的传感器，可以提供有关环境的丰富信息。然而，这些方法通常试图创建高度详细的环境3D地图。这需要大量的处理和内存，而这些只能由对于小型机器人来说过于庞大和耗电的计算机来提供。

计数步骤和视觉面包屑

这就是为什么一些研究人员转向大自然寻求灵感的原因。昆虫特别有趣，因为它们的活动距离可能与许多现实世界的应用有关，同时使用非常稀缺的传感和计算资源。生物学家对昆虫使用的潜在策略有了越来越多的了解。具体来说，昆虫将跟踪自己的运动(称为“里程计”)与基于其低分辨率但几乎全方位的视觉系统(称为“视图记忆”)的视觉引导行为结合起来。尽管人们对里程计的理解越来越深入，甚至达到了神经元的水平，但人们对视图记忆的确切机制仍然知之甚少。关于这是如何工作的最早理论之一提出了一个“快照”模型。在其中，像蚂蚁这样的昆虫被建议偶尔拍摄其环境的快照。之后，当到达快照附近时，昆虫可以将其当前的视觉感知与快照进行比较，并移动以最小化差异。这允许昆虫导航，或“回家”，到快照位置，消除任何漂移，不可避免地建立当只执行里程计。

基于快照的导航可以与Hansel在童话《Hansel and Gretel》中努力不迷路的方式进行比较。当汉斯往地上扔石头时，他就能回家了。然而，当他扔给鸟儿吃的面包屑时，汉斯和格莱托迷路了。在我们的研究中，石头就是快照，”该研究的第一作者汤姆·范·戴克说，“就像石头一样，要想让快照起作用，机器人必须离快照位置足够近。如果视觉环境与快照位置的差异太大，机器人可能会朝错误的方向移动，再也回不去了。因此，我们必须使用足够的快照，或者在Hansel的例子中，投掷足够数量的石头。另一方面，把石头扔得太近会很快耗尽汉斯的石头。对于机器人来说，使用太多快照会导致大量内存消耗。该领域以前的工作通常将快照非常靠近，因此机器人可以先在视觉上回到一个快照，然后再回到下一个快照。”

“我们的策略背后的主要见解是，如果机器人基于里程计在快照之间移动，你可以将快照间隔得更远。Guido de Croon是仿生无人机的全职教授，也是这篇文章的合著者，他说:“只要机器人最终离快照位置足够近，也就是说，只要机器人的里程计漂移落在快照的集水区内，寻的就会起作用。这也使得机器人可以飞得更远，因为当机器人回到一个快照时，它的飞行速度要比基于里程计从一个快照飞到下一个快照时慢得多。”

这种受昆虫启发的导航策略允许一架56克重的“疯狂苍蝇”(crazyfly)无人机，配备一个全方位摄像头，以0.65千字节的速度覆盖高达100米的距离。所有的视觉处理都在一台被称为“微控制器”的微型计算机上进行，这种控制器可以在许多廉价的电子设备中找到。

让机器人技术发挥作用

“提出的受昆虫启发的导航策略是将微型自主机器人应用于现实世界的重要一步。Guido de Croon说，“与最先进的导航方法相比，拟议策略的功能更有限。它不生成地图，只允许机器人回到起点。不过，对于许多应用程序来说，这可能已经足够了。例如，对于仓库中的库存跟踪或温室中的作物监控，无人机可以飞出去收集数据，然后返回基站。他们可以将任务相关的图像存储在一个小的SD卡上，供服务器进行后期处理。但他们不需要它们来导航。”

作者：代尔夫特理工大学

链接：https://www.sciencedaily.com/releases/2024/07/240717162408.htm

著作权归作者所有。

声明：海森大数据刊发或者转载此文只是出于传递、分享更多信息之目的，并不意味认同其观点或证实其描述。若有来源标注错误或侵犯了您的合法权益，请作者与本网联系，我们将及时更正、删除，谢谢。电话：152 6451 3609，邮箱：1027830374@qq.com