Вдохновленная природой навигационная система помогает роботам преодолевать сложные условия без GPS

Вскоре роботы смогут автономно выполнять поисково-спасательные операции, проверки, сложные операции по техническому обслуживанию и различные другие реальные задачи. Однако для этого они должны иметь возможность плавно перемещаться в неизвестной и сложной среде, не ломаясь и не застревая, что потребует вмешательства человека.

Большинство автономных навигационных систем полагаются на системы глобального позиционирования (GPS), которые могут предоставить информацию о том, где находится робот на карте. Однако во многих средах, включая пещеры, неструктурированные пространства и разрушенные здания, системы GPS либо не работают, либо становятся ненадежными.

Исследователи из Пекинского технологического института недавно разработали новую природную систему, которая может улучшить навигацию роботов в неструктурированных и сложных средах, не полагаясь на технологию GPS. Предлагаемая ими структура —изложенный в наборе статей, которые будут опубликованы в Cell Press и в настоящее время доступны на сайте ССРН сервер препринтов — основан на трех различных стратегиях биологической навигации, наблюдаемых у насекомых, птиц и грызунов.

«Наше исследование было вдохновлено критическим пробелом, который мы выявили в области биоробототехники», — рассказал Tech Xplore Шейкдер Чандан, первый автор статьи. «Хотя во многих исследованиях были успешно изолированы и реализованы стратегии навигации на отдельных животных, такие как интеграция пути муравья или когнитивное картирование крысы, этот редукционистский подход упускает из виду фундаментальный биологический принцип, известный как «вырождение». В природе надежная навигация возникает в результате иерархической интеграции множества неидентичных, но функционально перекрывающихся стратегий».

Трехчастная структура, вдохновленная природой

Вместо разработки системы, основанной на одной навигационной стратегии, наблюдаемой у конкретной категории животных, Чандан и его коллеги хотели создать единую нейроморфную структуру, основанную на различных видах. В конечном итоге им удалось имитировать биологические процессы, обеспечивающие навигацию у насекомых, птиц и грызунов.

«Мы стремились синтезировать наиболее эффективные стратегии, наблюдаемые у этих трех категорий животных, в единую систему, чтобы напрямую устранить основные ограничения традиционной навигации, такие как сенсорная хрупкость и высокое потребление энергии, особенно в сложных условиях, в которых отсутствует GPS», — сказал Чандан.

Таким образом, структура команды состоит из трех основных биологических компонентов, которые в совокупности поддерживают навигацию робота. Это интегратор путей, вдохновленный насекомыми, мультисенсорная система синтеза, вдохновленная птицами, и картографическая система, вдохновленная грызунами.

«Во-первых, интегратор путей, вдохновленный насекомыми, построенный как импульсная нейронная сеть на маломощном нейроморфном оборудовании, действует как надежный внутренний счетчик шагов для эгоцентрического отслеживания», — объяснил Чандан. «Затем система мультисенсорного синтеза, вдохновленная птицами, имитирует то, как перелетные птицы используют несколько сигналов, используя байесовский фильтр для динамического объединения входных данных от квантового магнитометра, поляризационного компаса и зрения, чтобы гарантировать надежное направление курса, даже если один датчик выйдет из строя.

«В-третьих, система когнитивного картирования, созданная на основе грызунов, создает пространственную память, обновляя карту только при обнаружении важных ориентиров, что отражает энергоэффективность гиппокампа мозга».

Чтобы оценить потенциал своей природной структуры, исследователи провели обширные полевые испытания с использованием 23 различных роботизированных платформ. Эти испытания проводились в сложных реальных условиях, включая заброшенные шахты и густые леса.

«Система сравнивалась с традиционной SLAM (одновременная локализация и картографирование) и показала снижение позиционного дрейфа на 41%, более высокую энергоэффективность до 60% и возможность восстановления после сбоев датчиков на 83% быстрее», — сказал Чандан. «Его уникальным преимуществом является «вырожденность»: когда один компонент скомпрометирован, другие легко берут на себя управление, обеспечивая уровень отказоустойчивости, которого не хватает изолированным системам».

Прирост производительности и возможные применения

В ходе первоначальных полевых испытаний было обнаружено, что архитектура, разработанная этой командой исследователей, достигла замечательных результатов, позволяя широкому спектру роботов успешно перемещаться в неструктурированных и сложных средах.

«Мы не просто улучшили один алгоритм; мы создали новую парадигму системного уровня, которая по своей сути более устойчива», — сказал Чандан. «В количественном отношении это привело к значительному одновременному повышению точности, энергоэффективности и надежности на различных роботизированных платформах. Ключевой демонстрацией было быстрое восстановление системы после отказа датчика; когда основная камера была ослеплена, она восстановила точное позиционирование всего за 3 секунды, задействовав другие функциональные подсистемы».

В будущем система, разработанная Чанданом и его коллегами, может быть усовершенствована и развернута в еще большем пуле роботизированных систем, что позволит им надежно и автономно выполнять миссии в непредсказуемых условиях. Кроме того, это может вдохновить на создание аналогичных роботизированных навигационных систем, основанных на навигационных стратегиях, используемых различными животными.

«Эта работа представляет собой формальный план создания машин с истинной «экологической плавностью», способных длительно работать в средах, где сбой невозможен», — сказал Чандан. «Это может включать в себя приложения для реагирования на стихийные бедствия, такие как навигация по разрушенным зданиям, исследование планет в других мирах и глубоководные миссии, где обычные GPS и совершенные датчики недоступны».

В настоящее время исследователи планируют новые исследования, направленные на преодоление некоторых наблюдаемых ограничений их структуры. Например, они хотели бы интегрировать встроенное и непрерывное обучение, чтобы сделать навигацию роботов еще более реалистичной и адаптируемой.

«В настоящее время нейронные веса нашей системы в значительной степени предварительно настроены, но биологические системы постоянно учатся и адаптируются посредством синаптической пластичности», — добавил Чандан. «Мы планируем изучить новые технологии, такие как мемристивные синапсы, чтобы включить эту возможность непосредственно в оборудование.

«Кроме того, мы стремимся масштабировать систему для сред километрового масштаба, что потребует разработки более сложных схем организации памяти для эффективной обработки более крупных пространственных карт. Наша конечная цель — создать роботов, которые не просто имитируют поведение изолированных животных, но воплощают в себе непрерывное обучение и масштабируемость биологического интеллекта».

© 2025 Сеть Science X