アリの洞察力はロボットナビゲーションブレイクスルーにつながる

July, 31, 2024, デルフト--昆虫が巣からかなり離れたところに移動しても、戻る道を見つけることができるにはどのようにしているのか疑問に思ったことはないだろうか?この問いに対する答は、生物学だけでなく、小型の自律型ロボットのためのAIを作ることにも関係している。デルフト工科大学のドローン研究者は、アリが環境を視覚的に認識し、それを歩数を数えて安全に家に帰る方法に関する生物学的発見に触発された。
研究チームは、これらの知見を用いて、昆虫に着想を得た小型軽量ロボットの自律航行戦略を考案した。この戦略により、このようなロボットは、非常に少ない計算量とメモリ(100mあたり1.16㎅)で、長い軌道をたどって帰還することができる。将来的には、小型の自律型ロボットは、倉庫の在庫監視から産業現場でのガス漏れの発見まで、幅広い用途に活用される可能性がある。
研究成果は、2024年7月17日にScience Robotics誌に掲載された。

小さなヤツのために立ち上がる
数10～数100gの小型ロボットは、多くの興味深い現実世界のアプリケーションを実行する可能性を秘めている。軽量なので、万が一誰かにぶつかっても非常に安全。小さいので狭い範囲を航行可能。また、安価に製造できれば、大量に展開できるため、害虫や病気の早期発見のために温室など、広いエリアをすばやくカバーできる。しかし、このような小型ロボットは、大型ロボットに比べてリソースが非常に限られているため、自力で動作させることは困難である。

小型ロボットを使用する上での大きな障害は、実際のアプリケーションを実行するために、ロボットが自分でナビゲートできなければならないことである。このため、ロボットは外部インフラの助けを借りることができる。屋外のGPS衛星や屋内の無線通信ビーコンからの位置推定を利用することができる。とは言え、多くの場合、このようなインフラストラクチャに依存することは望ましくない。GPSは屋内では利用できず、都市の峡谷などの雑然とした環境では非常に不正確になる可能性がある。また、屋内空間にビーコンを設置して維持することは、捜索救助のシナリオなどでは、非常に費用がかかるか、単に不可能。

搭載リソースのみでの自律航行に必要なAIは、自動運転車などの大型ロボットを念頭に置いて作られてきた。一部のアプローチは、LiDARレーザレンジャのような重くて電力を大量に消費するセンサに依存しており、小型ロボットでは運搬や電力供給ができない。他のアプローチでは、環境に関する豊富な情報を提供する非常に電力効率の高いセンサである視覚を使用する。ただし、これらのアプローチでは、通常、環境の非常に詳細な 3D マップを作成しようとする。これには大量の処理とメモリが必要だが、小型ロボットには大きすぎて電力を大量に消費するコンピュータによってのみ提供できる。

歩数と視覚的なブレッドクラムリストのカウント
これは、一部の研究者は自然にインスピレーションを求めている理由だ。昆虫は、非常に乏しいセンシングとコンピューティングリソースを使用しながら、多くの現実世界のアプリケーションに関連する可能性のある距離で活動するため、特に興味深いものである。生物学者は、昆虫が用いる根本的な戦略についての理解を深めている。
具体的には、昆虫は自分の動きを追跡すること(「オドメトリ」と呼ばれる)と、低解像度だがほぼ全方位の視覚システム(「ビューメモリ」と呼ばれる)に基づく視覚誘導行動を組み合わせている。オドメトリは神経細胞レベルまで理解されつつあるが、ビューメモリの根底にある正確なメカニズムはまだよくわかっていない。したがって、昆虫がナビゲーションに視覚をどのように使用するかについては、複数の競合する理論が存在する。最も初期の理論の1つは、「スナップショット」モデルを提案している。このモデルでは、アリなどの昆虫が時折、環境のスナップショットを作成することが提案されている。その後、スナップショットに近づくと、昆虫は現在の視覚とスナップショットを比較し、違いを最小限に抑えるために移動できる。これにより、昆虫はスナップショットの位置に移動、つまり「ホーム」(本拠に)することができ、オドメトリのみを実行するときに必然的に蓄積されるドリフトを除去できる。

「スナップショットベースのナビゲーションは、HanselがHanselとGretelのおとぎ話に迷い込まないようにした方法に例えることができる。Hansが地面に石を投げると、家に帰ることができた。しかし、鳥に食べられたパンくずを投げると、HansとGretelは迷子になってしまう。われわれの場合、石はスナップショットだ。」と、この研究の筆頭著者であるTom van Dijkは話している。
「石と同様に、スナップショットが機能するためには、ロボットがスナップショットの位置に十分近づいている必要がある。視界がスナップショット位置と大きく異なると、ロボットが間違った方向に移動して二度と戻ってこない可能性がある。したがって、十分な数のスナップショットを使用するか、Hanselの場合は十分な数の石を落とす必要がある。一方、石同士を近づけて落とすと、ハンスの石がすぐに枯渇してしまう。ロボットの場合、使用するスナップショットが多すぎると、メモリ消費量が大きくなる。この分野の以前の研究では、通常、スナップショットが非常に接近していたため、ロボットは最初に1つのスナップショットを視覚的に確認し、次に次のスナップショットにホームすることができた」。

バイオインスパイアードドローンの正教授で論文の共著者であるGuido de Croonは、「われわれの戦略の根底にある主な洞察は、ロボットがオドメトリに基づいてスナップショット間を移動すれば、スナップショットをはるかに離して配置できるということである」と説明しており、「ロボットがスナップショットの位置に十分に近づく限り、つまり、ロボットのオドメトリドリフトがスナップショットの集水域内に収まる限り、ホーミングは機能する。また、オドメトリに基づいて、あるスナップショットから次のスナップショットに飛行する場合よりも、スナップショットにホーミングするときの方がはるかに遅いため、ロボットははるかに遠くまで移動できる」

提案された昆虫に着想を得たナビゲーション戦略により、全方位カメラを搭載した56グラムの「CrazyFlie」ドローンは、わずか1.16キロバイトで最大100メートルの距離をカバーすることができた。すべての視覚処理は、多くの安価な電子機器に見られる「マイクロコントローラ」と呼ばれる小さなコンピュータ上で行われた。
ロボット技術の活用
「提案された昆虫に着想を得たナビゲーション戦略は、小型の自律型ロボットを現実世界に適用するための重要なステップである。提案された戦略の機能は、最先端のナビゲーション方法によって提供されるものよりも制限されている。マップは生成されず、ロボットがスタート地点に戻ることのみを許可している。それでも、多くのアプリケーションでは、これで十分すぎるかも知れない。たとえば、倉庫での在庫追跡や温室での作物監視では、ドローンが飛び立ち、データを収集してから基地局に戻ることができる。ミッション関連の画像を小さなSDカードに保存して、サーバで後処理することができる。しかし、それらは航行そのものには必要ない」。