مسیریابی بدون احتیاج به جی پی اس، نسل نو ربات ها با الهام از توانایی خارق العاده مورچه - وبلاگ هلو

به گزارش وبلاگ هلو، ایسنا نوشت: یک فناوری ردیابی پیشگامانه که درک جدیدی از نحوه حرکت مورچه های صحرایی به ما می دهد می تواند الهام بخش نسل بعدی ربات های هوشمند و کارآمد باشد.

طی یک همکاری تحقیقاتی بین المللی که شامل دانشگاه شفیلد می شود، فناوری ردیابی نوی پیشرفته است که در آن از بینایی رایانه ای استفاده می شود. بینایی رایانه ای زمینه ای از علوم رایانه است که در آن رایانه ها برای تفسیر و درک تصاویر و ویدیوها برنامه ریزی می شوند. از این فناوری برای ردیابی منفرد مورچه های صحرایی در تمام طول عمرشان استفاده شد. این ابزار سفر مورچه را از زمانی که برای اولین بار لانه اش را ترک می نماید تا زمانی که غذایی پیدا می نماید و به خانه خود بازمی شود، ثبت کرد.

مجموعه داده های نو آنها نشان داده است که مورچه ها به طرز باورنکردنی سریع یاد می گیرند. آن ها پس از یک سفر پیروز، مسیرهای بازگشت به خانه را به خاطر می سپارند. اما به طرز جالبی، مسیرهای خارج از خانه در طول زمان تکامل می یابد که نشان دهنده استراتژی های مختلف برای اکتشاف است. این داده ها با دقت بالا بعلاوه یک حرکت نوسانی را نشان می دهد که برای چشم انسان نامرئی است، که می تواند شرح دهد که چگونه مورچه ها الگوهای جستجوی پیچیده ای را متناسب با شرایط فعلی ایجاد می نمایند.

از آنجایی که این نرم افزار نو را می توان در انواع مختلف حیوانات مورد استفاده قرار داد در حال حاضر گروه های تحقیقاتی بین المللی متعددی آن را به کار گرفته اند. داده هایی که با دقت بالا جمع آوری شده اند برای رسیدن به درک آن که چگونه مغز حیوانات آن ها را در دنیای پیچیده شان راهنمایی می نماید، ضروری هستند و می توانند الهام بخش نسل نوی از ربات های الهام گرفته از طبیعت باشند.

این فناوری و مجموعه داده های نو به وسیله دکتر مایکل مانگان(Michael Mangan)، مدرس ارشد یادگیری ماشینی و رباتیک در گروه علوم رایانه دانشگاه به همراه لارس هالک(Lars Haalck) و بنجامین ریسه(enjamin Risse) از دانشگاه مونستر، آنتوان وایستراخ(Antoine Wystrach) و لئو کلمنت(Leo Clement) از مرکز زیست شناسی یکپارچه تولوز و باربارا وب(Barabara Webb) از دانشگاه ادینبرو در مطالعه نوی که در مجله Science Advances منتشر شده، ارائه شد.

این مطالعه شرح می دهد که چگونه ترکیب ردیابی حیوانات و بازسازی محیط از هوش مصنوعی و بینایی رایانه ای برای ردیابی موقعیت یک حشره در ویدئوها استفاده می نماید. این سیستم حتی می تواند اشیاء کوچکی را که به سختی با چشم دیده می شود شناسایی کند و در برابر ناهنجاری های پس زمینه، موانع و سایه ها مقاوم است و این موضوع به آن اجازه می دهد تا در زیستگاه طبیعی حیوانات که سایر سیستم ها از کار می افتند، عمل کند.

دکتر مایکل منگان، مدرس ارشد یادگیری ماشینی و رباتیک در دانشگاه شفیلد، گفت: ما این داده ها را در یک سفر میدانی تابستانی به دست آوردیم، اما ساخت سیستمی با قابلیت استخراج داده ها 10 سال طول کشیده است.

من همواره مجذوب این بوده ام که چگونه این حشرات می توانند مسافت های طولانی تا یک کیلومتر را در چنین منطقه ها صعب العبوری که دمای آنها به بیش از 50 درجه سانتی گراد می رسد، طی نمایند.

تا به امروز، مورچه های صحرایی به صورت دستی و با استفاده از قلم و کاغذ ردیابی می شده اند. در آن روش شبکه ای روی زمین با ریسمان و میله ها ساخته میشد و بر حرکت مورچه ها در داخل آن نظارت می شد. روش دیگری که در این مورد استفاده می شود استفاده از سیستم موقعیت یاب جهانی(GPS) است که تجهیزات آن گرانقیمت بوده و دقت پایینی دارد.

فقدان یک روش کم هزینه و قدرتمند برای ثبت دقیق مسیرهای حرکت حشرات منجر به ایجاد شکاف هایی در دانش ما در خصوص رفتار مورچه های صحرایی شده است. به ویژه در خصوص نحوه یادگیری مسیرهای بصری، سرعت انجام این کار و استراتژی هایی که به کار می برند.

در این روش نو ردیابی بصری با ضبط فیلم با وضوح بالا از مورچه ها در محیط طبیعی و استفاده از فناوری تصویربرداری برای شناسایی مورچه ها منفرد بر اساس حرکت آن ها، به این چالش ها پرداخته می شود.

این رویکرد نو، شکاف بین مطالعات میدانی و آزمایشگاهی را پر می نماید و درک منحصربه فردی را در خصوص رفتار ناوبری مورچه ها ارائه می دهد. چنین داده هایی در آشکار ساختن اینکه چگونه حیواناتی با مغز کوچک تر از سر سوزن به طور موثر در محیط های پیچیده حرکت می نمایند، بسیار مهم خواهد بود.

دکتر مانگان گفت: مورچه های صحرایی الهام بخش نسل بعدی ربات ها هستند. آنها مسافت های طولانی را در محیط های نامناسب طی می نمایند و مانند سایر مورچه ها به مسیرهای مبتنی بر فرومون(Pheromone) یا مانند ربات های فعلی به GPS و 5G متکی نیستند.

فرومون یک ماده شیمیایی است که به وسیله حشرات برای رساندن پیامی به سایر اعضای همان گونه ترشح می شود.

ما امیدواریم که این ابزار به ما این امکان را بدهد که تصویر کامل تری از نحوه یادگیری حشرات در خصوص حرکت در زیستگاه شان به دست آوریم و مهندسان را در خصوص چگونگی ساختن سیستم های مصنوعی با توانایی مشابه مطلع کنیم.

5858