ناوبری با مغز زیستی / پایان وابستگی ربات‌ها به GPS

به گزارش اکوایران از IE، محققان بر اساس نحوه حرکت برخی جانوران مانند مورچه‌ها، پرندگان و موشها در محیط، نوعی سیستم ناوبری جدید ابداع کرده‌اند که می‌تواند به ربات‌ها کمک کند تا در مناطقی که سیستم موقعیت‌یابی جهانی رایج (GPS)  با مشکل مواجه می‌شود، حرکت کنند.

در حال حاضر، سیستم‌های ناوبری غیر GPS (مانند دوربین‌ها و حسگرها) در شرایط دید ضعیف، معمولاً از کار می‌افتند، در محیط‌های واقعی به راحتی کثیف می‌شوند و یا آسیب می‌بینند.

از آنجا که جانورانی مانند مورچه‌ها روش‌های پیچیده‌ای برای حرکت در محیط‌های شلوغ و آشوبناک تکامل یافته‌اند، به عنوان گزینه  مطلوبی برای روش‌های جایگزین در نظر گرفته شدند.

هسته اصلی این ایده، ایجاد افزونگی در سیستم‌های ناوبری برای ربات‌هاست. در این سیستم، ربات‌ها می‌توانند از سه سامانه همپوشان استفاده کنند به طوریکه اگر یکی از کار بیفتد، بقیه به طور خودکار جایگزین می‌شوند.

در زیست‌شناسی به این پدیده «تناوب» گفته می‌شود، یعنی چندین سیستم کارهای مشابهی انجام می‌دهند تا بقا تضمین شود.

اولین سیستم ناوبری الهام‌گرفته از حیوانات، از مورچه‌ها الگو برداری شده است. مورچه‌ها می‌توانند تعداد قدم‌ها و جهت خود را به صورت داخلی ردیابی کنند تا موقعیت شان را نسبت به لانه دریابند. به همین منظور، محققان یک شبکه عصبی مصنوعی مشابه (سخت‌افزار کم‌مصرف شبیه مغز) ساختند. این شبکه مانند یک گام‌شمار داخلی ابر قدرتمند عمل می‌کند که حتی وقتی حسگرها تحت نویز قرار دارند، همچنان به ردیابی خود ادامه دهد.

سیستم دوم از دنیای پرندگان می‌آید. پرندگان مهاجر از چندین سرنخ به طور همزمان برای تشخیص جهت استفاده می‌کنند، از جمله تشخیص میدان مغناطیسی زمین. آنها می‌توانند با استفاده از نور قطبیده، موقعیت خورشید و استفاده هوشمندانه از نشانه‌های زمینی حرکت کنند.

این پژوهشگران معتقدند ربات‌ها نیز می‌توانند این توانایی‌ها را با استفاده از یک مغناطیس‌سنج کوانتومی که جهت میدان مغناطیسی را تشخیص می‌دهد، تقلید کنند. ورودی‌های دیگر از قطب‌نمای قطبش نور (برای مشاهده قطبیت آسمان) و یک دوربین می‌توانند از طریق یک فیلتر بیزی که این ورودی‌ها را به صورت پویا ترکیب می‌کند، پردازش شوند.

اگر یک حسگر «بمیرد» (مثلاً دوربین از کار بیفتد)، بقیه حسگرها بلافاصله کنترل را به دست می‌گیرند.

سومین و آخرین سیستم ناوبری الهام‌گرفته از طبیعت از جوندگان می‌آید. موش‌ها قادرند نقشه‌های شناختی را در هیپوکامپ خود بسازند و فقط وقتی چیز مهمی تغییر کند، آن‌ها را به‌روزرسانی کنند. سیستم جدید ناوبری ربات می‌تواند وظیفه مشابهی انجام دهد و فقط وقتی نشانه‌های مهم را ببیند، نقشه بسازد.

این روش که به صرفه‌جویی در مصرف انرژی، کاهش بار پردازشی و حفظ پایداری ناوبری در محیط‌های شلوغ کمک می‌کند، بسیار کارآمدتر از روش  SLAM است که مدام نقشه را به‌روزرسانی کرده و انرژی زیادی مصرف می‌کند.

هرچند این سیستم در حال حاضر هنوز در سطح تئوری و نظری است، اما در آینده می‌تواند برای نقش‌های مهم مختلفی استفاده شود از جمله عملیات جستجو و نجات در ساختمان‌های ویران شده، کاوشگرهای بین سیاره‌ای، ربات‌های اعماق دریا گرفته تا بازرسی صنعتی در مکان‌های تاریک، پرگرد وغبار و آشوبناک.

از این رو، این دستاورد یک گام به سوی ربات‌هایی است که بتوانند مانند حیوانات، به صورت قوی، مستقل و بدون نظارت مداوم انسان حرکت کنند. مجریان این پژوهش قصد دارند در آینده یادگیری مداوم روی تراشه (مشابه مغز) را توسعه دهد.

آنها در تلاشند فناوری‌های نوظهوری مانند سیناپس‌های ممریستوری را بررسی کرده تا این قابلیت را مستقیماً در سخت‌افزار پیاده کنند و امیدوارند با استفاده از ساختارهای حافظه هوشمندتر، نقشه‌هایی در مقیاس کیلومتری بسازند و احتمالاً راه‌حل‌های بیشتری الهام‌گرفته از حیوانات برای ناوبری اتخاذ کنند.

نتایج این تحقیقات در نشریه  Cell منتشر شده است.