ناوبری زیستی بدون GPS ؛ ربات‌ هایی که مثل مورچه، پرنده و موش راهشان را پیدا می‌کنند

نویسنده: مهدی امامقلی | انتشار: 1404/08/27 11:44:25
ناوبری زیستی بدون GPS ؛ ربات‌ هایی که مثل مورچه، پرنده و موش راهشان را پیدا می‌کنند

جریان آنلاین (/) : دانشمندان یک سیستم جهت‌یابی کاملاً جدید و مستقل از GPS ساخته‌اند که از سه توانایی شگفت‌انگیز حیوانات تقلید می‌کند.
هدف این است که ربات‌ها بتوانند در جاهایی که سیگنال ماهواره قطع است یا دوربین و حسگرهای معمولی کور می‌شوند (مثل غبار شدید، تاریکی مطلق یا زیر آب) همچنان با دقت بالا حرکت کنند.
این سیستم بر پایه مفهوم «تکرار عملکردی (Degeneracy)» در طبیعت کار می‌کند؛ یعنی چند روش مختلف، کار مشابهی انجام می‌دهند تا اگر یکی از کار افتاد، بقیه فوراً جایش را پر کنند.


سه بخش اصلی آن عبارت‌اند از:

مورچه‌وار گام‌شماری: یک شبکه عصبی کم‌مصرف و مقاوم به نویز که مثل مورچه‌های صحرایی با شمارش دقیق گام‌ها و جهت، حتی در بیابان پرآشوب مسیر را گم نمی‌کند. مورچه‌ها به کمک شمارش گام‌ها و جهت حرکت، موقعیت خود را نسبت به لانه تشخیص می‌دهند و حتی در محیط‌های آشفته مسیر را گم نمی‌کنند. آزمایش‌ها نشان داد خطای این روش در بیابان چندین برابر کمتر از روش‌های معمول دوربین و IMU است.

پرنده‌وار جهت‌یابی چندحسی: پرندگان برای یافتن مسیر از مجموعه‌ای از نشانه‌های طبیعی، از تشخیص میدان مغناطیسی زمین گرفته تا رصد نور قطبی‌شده و الگوی روشنایی آسمان بهره می‌برند. همچنین آن‌ها از موقعیت خورشید و نشانه‌های بصری سطح زمین بهره می‌برند تا جهت دقیق سفر را بیابند. جهت‌یابی چندحسی ترکیبی از مگنتومتر کوانتومی (حسگر میدان مغناطیسی زمین)، قطب‌نمای نور قطبی‌شده و نشانه‌های بصری که با فیلتر بیزی ادغام می‌شوند، می‌باشد. اگر دوربین کثیف یا خراب شود، دو حسگر دیگر بلافاصله کنترل را به دست می‌گیرند.

موش‌وار نقشه‌سازی هوشمند: به‌جای به‌روزرسانی مداوم و پرمصرف نقشه مثل روش SLAM، ربات فقط وقتی نشانه مهم و مطمئنی ببیند نقشه شناختی‌اش را تغییر می‌دهد؛ درست مثل هیپوکامپ موش‌ها. این کار مصرف انرژی و پردازش را به‌شدت کاهش می‌دهد. موش‌ها تنها زمانی نقشه ذهنی مسیر را تغییر می‌دهند که نشانه مهمی در محیط رخ دهد. این راهبرد به حفظ انرژی و کاهش پیچیدگی پردازش کمک می‌کند. روش تازه نیز از همین منطق پیروی می‌کند.
ترکیب این سه ماژول، رباتی می‌سازد که در محیط‌های واقعاً سخت (ساختمان‌های ریخته، غار، مریخ یا اعماق اقیانوس) قابل‌اعتماد بماند.
این فناوری هنوز در مرحله آزمایشگاهی است، اما گروه سازنده در حال اضافه کردن قابلیت یادگیری مادام‌العمر روی خود تراشه (با ممریستورها) است تا سیستم واقعاً مثل مغز موجودات زنده مدام خودش را با شرایط جدید وفق دهد.
در آینده قرار است این سیستم نقشه‌های چند کیلومتری بسازد و از حیوانات بیشتری الهام بگیرد. مقاله کامل در مجله Cell منتشر شده است.

پایگاه خبری جریان/ جریان آنلاین