Если вы возьмете крысу и бросите ее в лабораторный лабиринт или туннель метро, она немедленно начнет исследовать окрестности, обнюхивать края, вытягивать усы наверх, всматриваться в углы и препятствия. Через некоторое время она вернется туда, где начала, и с этого момента она будет рассматривать изученную местность как привычную.
Робототехники давно мечтали дать своим творениям подобные навыки навигации. Чтобы быть полезными в нашей среде, роботы должны быть в состоянии самостоятельно найти свой путь. Некоторые из них уже учатся делать это в домах, офисах, складах, больницах, отелях и, в случае автопилотируемых автомобилей, целых городах. Тем не менее, несмотря на прогресс, эти роботизированные платформы по-прежнему не могут работать надежно в условиях довольно сложной ситуации. Самостоятельные транспортные средства, например, могут оснащаться сложными датчиками и подробными картами дороги впереди, и тем не менее люди-водители все же должны взять под контроль автомобиль во время сильного дождя, снега или ночью.
Коричневая крыса, напротив, является проворным навигатором, у которого нет проблем найти путь вокруг, под, над или свозь самые трудные препятствия. Когда крыса исследует незнакомую территорию, специализированные нейроны в её 2-граммовом мозгу реагируют в ответ на ориентиры или границы и создают своего рода ментальное представление пространства. Однако другие нейроны действуют как внутренний компас, записывая направление, в котором голова животного поворачивается. Взятые вместе, эта нейронная деятельность позволяет крысе помнить, где она была и как она попала туда.
Итак, почему робот не может быть больше похож на крысу?
Ответ прост — он может. В Квинслендском технологическом университете в Брисбене, Австралия, Майкл Милфорд и его сотрудники провели последние 14 лет, оттачивая роботизированную навигационную систему, смоделированную на основе работы мозга крыс. Надеемся, что этот подход, основанный на биологическом отношении, может помочь роботам перемещаться по динамическим средам, не требуя передовых, дорогостоящих датчиков и вычислительно-интенсивных алгоритмов.
Более ранняя версия их системы позволила боту доставки работать автономно в течение двух недель в лаборатории. В течение этого периода он доставил более 1100 макетов, путешествовал в общей сложности на 40 километров и перезарядил себя 23 раза. Другая версия успешно отобразила весь пригород Брисбена, используя только снимки, снятые камерой на MacBook. Теперь группа Милфорда переводит свои алгоритмы крысиного мозга в надежную навигационную систему для производителя тяжелой техники Caterpillar, которая планирует развернуть его на флоте подземных горных машин.
Милфорд начал исследовать мозговую навигацию в 2003 году, когда он был кандидатом наук. Cтудент Университета Квинсленда, работающий с роботистом Гордоном Вайтом, который сейчас является деканом науки и техники в QUT.
В то время одним из больших толчков в робототехнике была проблема «похищенного робота»: если вы возьмете робота и переместите его в другое место, можете ли он выяснить, где он находится? Одним из способов решения проблемы является SLAM, что означает одновременную локализацию и отображение. При запуске алгоритма SLAM робот может исследовать странный ландшафт, создавая карту своего окружения, в то же время позиционируя или локализуя себя внутри этой карты.
Свежие комментарии