ساخت نسل بعدی ربات ها با الهام از نحوه زندگی مورچه های صحرایی - پری بلاگ

یک فناوری ردیابی پیشگامانه که درک نوی از نحوه حرکت مورچه های صحرایی به ما می دهد می تواند الهام بخش نسل بعدی ربات های هوشمند و کارآمد باشد.

به نقل از فیز، طی یک همکاری تحقیقاتی بین المللی که شامل دانشگاه شفیلد می گردد، فناوری ردیابی نوی پیشرفته است که در آن از بینایی رایانه ای استفاده می گردد.

بینایی رایانه ای زمینه ای از علوم رایانه است که در آن رایانه ها برای تفسیر و درک تصاویر و ویدیو ها 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 کند تا زمانی که غذایی پیدا می کند و به خانه خود بازمی گردد، ثبت کرد.

مجموعه داده های نو آن ها نشان داده است که مورچه ها به طرز باورنکردنی سریع یاد می گیرند. آن ها پس از یک سفر پیروز، مسیر های بازگشت به خانه را به خاطر می سپارند.

اما به طرز جالبی، مسیر های خارج از خانه در طول زمان تکامل می یابد که نشان دهنده استراتژی های مختلف برای اکتشاف است. این داده ها با دقت بالا همچنین یک حرکت نوسانی را نشان می دهد که برای چشم انسان نامرئی است، که می تواند توضیح دهد که چگونه مورچه ها الگو های جستجوی پیچیده ای را متناسب با شرایط فعلی ایجاد می کنند.

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 هدایت می کند، ضروری هستند و می توانند الهام بخش نسل نوی از ربات های الهام گرفته از طبیعت باشند.

این فناوری و مجموعه داده های نو از طریق 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 توضیح می دهد که چگونه ترکیب ردیابی حیوانات و بازسازی محیط از هوش مصنوعی و بینایی رایانه ای برای ردیابی موقعیت یک حشره در ویدئو ها استفاده می کند. این سیستم حتی می تواند اشیاء کوچکی را که به سختی با چشم دیده می گردد 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 همیشه 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 آن ها به بیش از 50 درجه سانتی گراد می رسد، طی کنند.

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 گردد 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 مسیر های حرکت حشرات منجر به ایجاد شکاف هایی در دانش ما در مورد رفتار مورچه های صحرایی شده است. به ویژه در مورد نحوه یادگیری مسیر های 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 گردد.

این رویکرد نو، شکاف بین مطالعات میدانی و آزمایشگاهی را پر می کند و درک منحصربه فردی را در مورد 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 کنند، بسیار مهم خواهد بود.

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

فرومون یک ماده شیمیایی است که از طریق حشرات برای رساندن پیامی به سایر اعضای همان گونه ترشح می گردد.

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

منبع: ایسنا