04/12/2024
Door Ad Spijkers
Een Australisch onderzoeksteam heeft inspiratie gehaald uit de hersenen van insecten en dieren voor energetisch zuinigere robotnavigatie.
Hoewel robotica de afgelopen jaren een snelle vooruitgang heeft geboekt, hebben moderne robots nog steeds moeite met navigeren en opereren in complexe, onbekende omgevingen. Ze vertrouwen ook vaak op via AI afgeleide navigatiesystemen waarvan de trainingsregimes aanzienlijke reken- en energievereisten hebben.
Neurale netwerken
Wetenschappers aan de Queensland University of Technology (QUT) in Brisbane, ondersteund door chipfabrikant Intel, hebben een nieuwe navigatiemethode ontwikkeld. Ze ontwikkelden een nieuw algoritme voor plaatsherkenning voor met behulp van Spiking Neural Networks (SNN's). Dit zijn kunstmatige neurale netwerken die nabootsen hoe biologische hersenen informatie verwerken.
Dit doen ze met behulp van korte, discrete signalen, net zoals neuronen in dierlijke hersenen communiceren. Deze netwerken zijn geschikt voor neuromorfische hardware –gespecialiseerde computerhardware die biologische neurale systemen nabootst – wat snellere verwerking en aanzienlijk lager energieverbruik mogelijk maakt.
Modules en ensembles
Dieren zijn opmerkelijk bedreven in het navigeren in grote, dynamische omgevingen met verbazingwekkende efficiëntie en robuustheid. Dit onderzoek is een stap in de richting van het doel van biologisch geïnspireerde navigatiesystemen. Deze zullen op een dag kunnen concurreren met of zelfs de huidige meer conventionele benaderingen kunnen overtreffen.
Het systeem gebruikt kleine neurale netwerkmodules om specifieke plaatsen te herkennen uit afbeeldingen. Deze modules werden gecombineerd tot een ensemble, een groep van meerdere spiking-netwerken, om een schaalbaar navigatiesysteem te creëren dat kan leren navigeren in grote omgevingen.
Door reeksen afbeeldingen te gebruiken in plaats van afzonderlijke afbeeldingen, kon de nauwkeurigheid van plaatsherkenning met 41% worden verbeterd. Hierdoor kon het systeem zich aanpassen aan veranderingen in het uiterlijk in de loop van de tijd en in verschillende seizoenen en weersomstandigheden.
Zuinig met energie
Het systeem werd succesvol gedemonstreerd op een robot met beperkte middelen, wat een 'proof of concept' opleverde dat de aanpak praktisch is in real-world scenario's waar energie-efficiëntie cruciaal is.
Het onderzoek kan helpen de weg vrij te maken voor efficiëntere en betrouwbaardere navigatiesystemen voor autonome robots in omgevingen met beperkte energie. De ondezoekers zien kansen in domeinen zoals ruimteverkenning en noodherstel, waar het optimaliseren van energie-efficiëntie en het verkorten van responstijden cruciaal zijn.
De wetenschappelijke publicatie vindt u hier.
Foto: Queensland University of Technology