ربات ها با تلاش محققان، سیستم مغزی جدیدی را با الهام از پرندگان و مورچه ها برای مسیریابی بدون GPS دریافت می کنند. این سیستم جدید الهام گرفته از حیوانات به ربات ها اجازه می دهد بدون GPS در محیط های دشوار مسیریابی کنند.

به گزارش ایسنا، محققان یک سیستم مسیریابی جدید را بر اساس نحوه مسیریابی برخی حیوانات در دنیای اطراف خود ساخته اند. این کشف که عمدتاً بر روی حیواناتی مانند مورچه ها، پرندگان و موش ها متمرکز است، می تواند به ربات ها کمک کند تا در مناطقی که سیستم موقعیت یابی جهانی سنتی(GPS) در آنها با مشکل مواجه است، مسیریابی کنند.

به نقل از آی ای، در حال حاضر، سیستم های مسیریابی غیر GPS مانند دوربین ها و حسگرها در صورت کمبود دید، معمولاً از کار می افتند. آنها همچنین در معرض کثیف شدن یا آسیب دیدن هستند.

از آنجایی که حیواناتی مانند مورچه ها، ابزارهای پیچیده ای را برای مسیریابی در محیط های آشفته تکامل داده اند، به عنوان کاندیداهای مناسبی برای ابزارهای جایگزین بالقوه در نظر گرفته می شدند.

در هسته اصلی این ایده، فراهم کردن افزونگی برای ربات ها در سیستم های مسیریابی است. در عوض، ربات ها می توانند از استفاده از سه سیستم همپوشان بهره مند شوند که اگر یکی از آنها از کار بیفتد، بقیه به طور خودکار آن را جبران می کنند.

در زیست شناسی، به این پدیده تباهی یا تبهگنی (degeneracy) می گویند که در آن چندین سیستم برای تضمین بقا، کارهای مشابهی انجام می دهند.

این نخستین سیستم مسیریابی الهام گرفته از حیوانات است که از مورچه ها ایده گرفته شده است.

مورچه ها می توانند گام ها و جهت خود را به صورت درونی ردیابی کنند تا بدانند که نسبت به لانه در کجا قرار دارند.

محققان برای این منظور، یک شبکه عصبی مشابه (سخت افزار کم مصرف و شبیه به مغز) ساختند. این شبکه مانند یک گام شمار داخلی فوق العاده قوی عمل می کند که حتی زمانی که حسگرها پر سر و صدا هستند، به ردیابی ادامه می دهد.

مورد دوم از دنیای پرندگان می آید. پرندگان مهاجر از چندین نشانه به طور همزمان برای دانستن جهت، از جمله تشخیص میدان مغناطیسی زمین استفاده می کنند. آنها همچنین قادر به تشخیص و جهت یابی با استفاده از نور قطبی، موقعیت خورشید و استفاده هوشمندانه از نشانه ها هستند.

این تیم استدلال می کند که ربات ها می توانند این توانایی ها را با استفاده از یک مغناطیس سنج کوانتومی که جهت میدان مغناطیسی را تشخیص می دهد، تقلید کنند. ورودی های دیگر از قطب نما برای دیدن قطبش آسمان و یک دوربین را می توان از طریق یک فیلتر که این ورودی ها را به صورت پویا ترکیب می کند، قرار داد.

اگر یک حسگر از کار بیفتد، (مثلاً دوربین از کار بایستد)، بقیه فوراً کنترل را به دست می گیرند.

سومین و آخرین سیستم مسیریابی الهام گرفته از طبیعت، از جوندگان گرفته شده است. موش ها قادر به ساخت نقشه های شناختی در هیپوکامپ خود هستند و سپس فقط زمانی که چیز مهمی تغییر می کند، آنها را به روزرسانی می کنند.

این سیستم مسیریابی جدید ربات ها می تواند با ساخت نقشه، فقط زمانی که نشانه های مهم را می بیند، کار مشابهی را انجام دهد.

این سیستم به صرفه جویی در انرژی، کاهش بار پردازش و حفظ پایداری مسیریابی در محیط های شلوغ کمک می کند. این در مقایسه با سیستم SLAM که دائماً نقشه ها را با استفاده از انرژی زیادی به روزرسانی می کند، بسیار کارآمد است.

در حالی که این سیستم در حال حاضر در حد تئوری است، می تواند برای نقش های مهم مختلفی در آینده مورد استفاده قرار گیرد. به عنوان مثال می تواند شامل مواردی مانند جستجو و نجات در ساختمان های فروریخته، کاوشگرهای سیاره ای، ربات های اعماق دریا و بازرسی صنعتی در مکان های تاریک، غبارآلود و آشفته باشد.

این سیستم برای این منظور، گامی به سوی ربات هایی است که می توانند مانند حیوانات، به طور قوی و مستقل و بدون نظارت مداوم انسان مسیریابی کنند.

این تیم با نگاه به آینده به دنبال توسعه یادگیری مداوم روی تراشه (برای عمل کردن مانند مغز) است.

شیکدر چاندان(Sheikder Chandan)، نویسنده ارشد این مطالعه می گوید: در حال حاضر، وزن های عصبی سیستم ما تا حد زیادی از پیش پیکربندی شده اند، اما سیستم های بیولوژیکی به طور مداوم از طریق انعطاف پذیری سیناپسی یاد می گیرند و سازگار می شوند.

وی افزود: ما قصد داریم فناوری های نوظهور مانند سیناپس های ممریستیو(memristive synapses) را بررسی کنیم تا این قابلیت را مستقیماً در سخت افزار بگنجانیم.

محققان همچنین امیدوارند با استفاده از ساختارهای حافظه هوشمندتر، نقشه هایی را در مقیاس کیلومتر ایجاد کنند و به طور بالقوه راه حل های الهام گرفته از حیوانات بیشتری را برای مسیریابی اتخاذ کنند.

این مطالعه در مجله Cell منتشر شده است.