昆虫再小,也是一个完整的生命,有自己的思考决策,是一个有“智慧”的生命。
如何从昆虫中得到启示,完成机器人“最后一公里”的建设是业界难题,科学家们对此进行了由表及里的研究,有重大发现。
我们一直希望自主机器人能够在在复杂的未知环境中执行各种复杂任务,但可用的机载计算能力和算法对于实现更高级别的自主性有着相当大的障碍。
特别是随着机器人变得越来越小,摩尔定律的终结即将到来。科学家认为从昆虫智能中汲取灵感是机器人人工智能(AI)的一个有前途的替代方案,用于实现小型移动机器人的自主性。
自主移动机器人,如无人机、漫游器和腿式机器人,可以行广泛的任务,从自动监测温室中的作物到最后一公里的交付。
这些应用要求机器人在执行复杂任务时长时间运行,通常在未知、变化和复杂的环境中运行。
现有技术通常依赖于定位和建图(SLAM)算法,这些算法需要比许多嵌入式处理器更多的计算资源。
十年前,我们可以预期微处理器的发展能弥补这种性能差距,当然,当时的发展符合摩尔定律,密集集成电路中晶体管数量约每2年翻一倍。
然而,AI时代,摩尔定律跟不上了,我们需要探索替代方法来解决小型自主机器人的计算硬件和人工智能问题。
昆虫是约480万年前在节肢动物群中分化出来的,它们是动物界中占主导地位的一个门,已经鉴定出了约一百万种,预计总数为550万种,而脊椎动物仅已知约7万种。
由于数量多,适应性越来越强,如爬行、飞行和游泳;复杂的视觉系统;强大的导航策略;甚至是社会合作行为。
它们的神经元却很少,蜜蜂大约有100万个神经元,而最小的飞蜂,小微腹蜂(Megaphragma mymaripenne),甚至只有不到1万个神经元。
但这些少量神经元体现了昆虫智能的处理效率,特别是昆虫的这些惊人能力为设计机器人提供了丰富的灵感。
昆虫智能的主要特点是它的简洁性,即昆虫使用最小化的系统,在复杂、动态且有时充满敌意的环境中实现成功决策的行为。
进化驱使昆虫和其他动物以尽可能小的脑来实现它们的行为,其能量消耗仅达几毫瓦的功率。
实现这种简洁性的重要因素是“具身认知”,人类也有这种认知,指的是认识到智能不仅依赖于大脑,而且依赖自身。
昆虫智能还以“感觉-运动协调”为特征,将它们的运动行为与感觉输入相结合,以实现一系列自然的行为。
从聪明的昆虫得到启发,第一种方法通常遵循,将大的AI系统分成感知、状态估计和控制模块,然后在没有利用感觉运动协调的情况下单独开发每个模块。
这种方案的问题是太复杂了,简单的元素以复杂的方式相互作用,可能并不是最优的解决方案。
第二种方法是学习昆虫,但昆虫本身就是高度复杂的系统,很难揭示其行为背后的确切机制,比如自然进化、生长、繁殖的约束等,人类尚无法复制。
这些约束对于设计系统来说,难以得到优化目标函数,不过当前对果蝇的研究倒是有一些进展,比如操控飞行。
第三种方法是基于AI自动设计自主机器人系统,绕过与复杂性相关的困难,而实现生物启发智能的自动设计的主要方法是使用进化机器人技术。
进化机器人技术面临的主要挑战是从零开始寻找解决复杂任务的方法,强化学习是重要的实现技术。
从昆虫的得到的启示是,许多昆虫都可以在复杂的环境中自由移动,避免障碍物,并找到最短的路径;这些能力可以通过使用传感器和算法来模仿,并在智能机器人中实现。
昆虫还可以在身体和传感器有限的资源下执行复杂的任务;机器人设计可以通过使用类似的策略来减少机器人所需的传感器数量和计算资源,从而提高机器人的效率和鲁棒性。
昆虫的视觉系统包含复眼和单眼,复眼可以提供广泛的视野和快速运动的能力,单眼则可以提供深度感知。
设计昆虫智能机器人时,可以借鉴这些特征,例如使用多个摄像头来模拟昆虫的复眼,或者使用激光雷达等传感器来实现单眼感知。
蚂蚁可以实现复杂的协同行为,如为了寻找食物而组织起来的搜索队伍,这种行为在设计智能机器人时可以借鉴。
通过模拟这种协同行为,可以设计出能够自主搜索和收集信息的智能机器人,如用于探测火灾、地震等灾害情况下的机器人。
从以上分析,我们可以发现生物界充满了未知和神秘,人类永远在探索中。
而我们则需要尊重大自然,接受自然进化赋予世界的魅力,不断学习。
仅从昆虫中学习,我们就可以将相关的启示应用于各种领域。
例如,可以用于环境监测,如测量空气中的温度、湿度和气体浓度等;可以用于农业,如自动化地完成农作物的收割和喷洒农药等;也可以用于救援行动,如搜寻失踪者和协助救援人员等。
人工智能,未来可期。
页面更新:2024-03-02
本站资料均由网友自行发布提供,仅用于学习交流。如有版权问题,请与我联系,QQ:4156828
© CopyRight 2008-2024 All Rights Reserved. Powered By bs178.com 闽ICP备11008920号-3
闽公网安备35020302034844号