צוות מחקר פיתח ניווט רובוטי חסכוני באנרגיה

This post is also available in: English (אנגלית)

צוות חוקרים מאוניברסיטת קווינסלנד לטכנולוגיה (QUT) הציג גישה חדשנית לניווט רובוטי, בהשראת מוחם של חרקים ובעלי חיים. פריצת דרך זו יכולה להוביל למערכות אוטונומיות חסכוניות יותר באנרגיה, במיוחד בסביבות שבהן שימור האנרגיה הוא קריטי.

על פי TechXplore, עבודת הצוות, שפורסמה ב-IEEE Transactions on Robotics מתמקדת באלגוריתם זיהוי מקום ייחודי המשתמש ב-Spiking Neural Networks (SNNs). רשתות אלו מחקות את האופן שבו המוח הביולוגי מעבד מידע באמצעות אותות קצרים ודיסקרטיים, בדומה לאופן שבו נוירונים מתקשרים בבעלי חיים. עמיתת המחקר בפוסט-דוקטורט סומייה חוסיין הסבירה כי עיצוב זה הופך את המערכת למתאימה במיוחד לחומרה נוירומורפית, המחקה מערכות עצביות ביולוגיות ומאפשרת עיבוד מהיר יותר עם צריכת אנרגיה נמוכה בהרבה. תכונה זו חיונית עבור רובוטים אוטונומיים, אשר לעתים קרובות מסתמכים על מערכות אינטנסיביות חישובית וצורכות אנרגיה רבה לניווט בסביבות דינמיות ומורכבות.

בעוד שהרובוטיקה התקדמה מאוד, רובוטים מודרניים עדיין מתמודדים עם אתגרים בניווט במקומות לא ידועים, ולעתים קרובות מסתמכים על מערכות AI מסורתיות הצורכות כמות אנרגיה משמעותית. לעומת זאת, ד"ר טוביאס פישר ממרכז QUT לרובוטיקה הסביר כי בעלי חיים מצטיינים בניווט יעיל בסביבות רחבות ודינמיות. יעילות טבעית זו שימשה השראה לעבודת צוות ה-QUT, שמטרתה לשכפל כמה מיכולות ניווט ביולוגיות אלה ברובוטים.

מערכת QUT משתמשת במודולי רשת עצביים קטנים כדי לזהות מיקומים ספציפיים מרצפים של תמונות, במקום להסתמך על תמונות סטטיות בודדות. שיטה זו שיפרה את דיוק זיהוי המקום של המערכת ב-41%, ואפשרה לרובוטים להסתגל טוב יותר לשינויים סביבתיים, כגון עונות שונות או תנאי מזג אוויר שונים. על ידי שילוב מודולים אלה להרכב מדרגי של SNNs, המערכת יכולה לנווט ביעילות במקומות רחבים ומשתנים.

הפתרון של הצוות הודגם על רובוט והראה הבטחה אמיתית ביישומים מעשיים שבהם יעילות האנרגיה היא קריטית, כגון חקר החלל ופעולות חילוץ.