Stellen Sie sich ein malerisches Maisfeld vor, das im warmen Schein der untergehenden Sonne strahlt und dessen Maisstängel sich im Wind wiegen. Inmitten dieser idyllischen Ackerlandschaft haben sich Roboter den Reihen der Landarbeiter angeschlossen und helfen bei Aufgaben wie der Obsternte und der Bewirtschaftung der Nutzpflanzen. Da die Landwirtschaft mit Arbeitskräftemangel zu kämpfen hat, versprechen diese Roboter, die Ernteerträge zu steigern, frische Produkte auf unsere Tische zu bringen und Abfall zu reduzieren. Allerdings gibt es dabei eine erhebliche Herausforderung: Roboter haben Schwierigkeiten, sich in komplexen und unbekannten Ackerflächen zurechtzufinden, und verirren sich oft. Forscher der Universität Edinburgh unter der Leitung von Dr. Barbara Webb haben sich von Ameisen inspirieren lassen, um dieses Problem anzugehen und die Navigationsfähigkeiten von Robotern zu verbessern. Durch die Nutzung neuromorpher Computer und Erkenntnisse aus der Ameisennavigation haben sie eine bahnbrechende Lösung entwickelt, die nicht nur die Landwirtschaft, sondern auch andere Bereiche der Robotik und künstlichen Intelligenz revolutionieren könnte.

Ameisen: Die Navigationsexperten der Natur

Die Navigation durch ein Feld ist vergleichbar mit der Suche nach einem Weg durch einen dichten Wald oder ein Maislabyrinth; alles sieht gleich aus, was es schwierig macht, den eigenen Standort und die Richtung zu bestimmen. Roboter stoßen in natürlichen Umgebungen auf ein ähnliches Problem, wo wechselnde Licht- und Wetterbedingungen ihre visuellen Systeme durcheinanderbringen können. Aktuelle Algorithmen haben Schwierigkeiten, sich schnell anzupassen, was den Fortschritt autonomer Roboter in komplexen Umgebungen behindert.

Obwohl Ameisen im Vergleich zu Menschen ein relativ kleines Gehirn haben, sind sie hervorragend darin, in komplexen Umgebungen zu lernen und zu navigieren. Sie können sich vorherige Routen ungeachtet widriger Bedingungen merken und übertreffen in puncto Präzision sogar GPS. Der Schlüssel zu ihrem Erfolg liegt in ihrer Fähigkeit, vertraute Orte wiederzuerkennen, anstatt bei der Navigation ihren genauen Standort zu bestimmen.

Inspiration aus Ameisenhirnen

Inspiriert durch Ameisengehirne begab sich das Forschungsteam auf eine dreistufige Reise zur Verbesserung der Roboternavigation.

Software: Ameisen optimieren ihre neuronalen Schaltkreise in Pilzkörpern, spezialisierten neuronalen Knotenpunkten, die für das Erlernen visueller Informationen von entscheidender Bedeutung sind. Das Team konzentrierte sich bei der Entwicklung seines Algorithmus auf diese Knotenpunkte, der nachahmt, wie Ameisen visuelle Informationen für Navigationsentscheidungen verarbeiten.

Eventkameras: Eventkameras erfassen Bilder auf eine Weise, die das Auge eines Tieres nachahmt, und eignen sich daher ideal für das Training von Computer-Vision-Systemen. Diese Kameras verarbeiten Licht beim Fotografieren ähnlich wie das menschliche Auge und helfen so beim Training von Vision-Algorithmen.

Hardware: Der SpiNNaker-Computerchip, der ursprünglich an der Universität Manchester entwickelt wurde, simuliert die internen Abläufe biologischer neuronaler Netzwerke, um Erinnerungen zu kodieren. Dieser Chip unterstützt massiv paralleles Rechnen, sodass mehrere Berechnungen gleichzeitig durchgeführt werden können und die Verzögerung bei der Datenverarbeitung drastisch reduziert wird.

Alles zusammenfügen: Der ameisenähnliche Roboter

Durch die Kombination dieser Komponenten schuf das Forschungsteam ein ameisenähnliches Robotersystem. Sie testeten es mit einem mobilen Roboter namens „Turtlebot3 Burger“, der durch schwieriges Gelände navigierte und dabei Bilder mit einer Eventkamera aufnahm.

Während seiner Reise durch bewaldete Gebiete verarbeitete das neuromorphe „Gehirn“ des Roboters „Ereignisse“ schnell auf der Grundlage seiner Umgebung. Der Algorithmus löste ein Warnereignis aus, wenn Hindernisse wie Äste oder Blätter die Sicht des Roboters behinderten. Der Roboter durchquerte etwa 20 Fuß durch unterschiedlich hohe Vegetation und lernte bei jeder Fahrt. In mehreren Tests analysierte das KI-Modell effektiv die Daten verschiedener Routen und reagierte vertraut, was seine Fähigkeit zur Verallgemeinerung und Anpassung unter Beweis stellte.

Im Gegensatz dazu hatte ein beliebter Algorithmus Schwierigkeiten, die gleiche Route ohne eine identische Videoaufzeichnung wiederzuerkennen. Dies unterstreicht die Überlegenheit des von Ameisen inspirierten Algorithmus bei der Anpassung an sich ändernde Umgebungen.

Effizienz und Energieeinsparung mit neuromorphem Computing

Eine große Herausforderung bei KI-Modellen ist ihr Energieverbrauch. Neuromorphe Systeme wie SpiNNaker bieten hier eine Lösung, indem sie den Energieverbrauch deutlich senken. Die Architektur von SpiNNaker, die neuronale Netzwerke im Gehirn widerspiegelt, unterstützt verteiltes Rechnen mit 18 Kernen pro Chip und simuliert so etwa 250 Neuronen. Jeder Kern verarbeitet Daten unabhängig und speichert Speicher, wodurch Verzögerungen bei der Datenverarbeitung reduziert und die Effizienz gesteigert werden, insbesondere bei Echtzeitaufgaben wie der Navigation von Robotern durch schwieriges Gelände.

Zukünftige Richtungen und Ameisen-ähnliche Komplexität

Die nächsten Schritte des Forschungsteams bestehen darin, tiefer in die komplexen neuronalen Schaltkreise von Ameisen einzudringen. Die Erforschung der Verbindungen zwischen verschiedenen Gehirnregionen und -gruppen könnte die Effizienz und die Fähigkeit der Roboter, mit der Welt zu interagieren, weiter verbessern. Letztendlich ist es ihr Ziel, Roboter zu schaffen, die so geschickt navigieren und mit der Welt interagieren wie Ameisen.

Forscher der Universität Edinburgh haben die Navigationsexperten der Natur, die Ameisen, in die Welt der Robotik integriert und damit bedeutende Fortschritte bei der Verbesserung der Roboternavigation erzielt. Mithilfe neuromorpher Computer und Erkenntnissen aus der Ameisennavigation haben sie einen Algorithmus entwickelt, der herkömmliche Sichtsysteme übertrifft und Robotern die Fähigkeit verleiht, sich an komplexe und sich verändernde Umgebungen anzupassen. Dieser Durchbruch verspricht nicht nur eine Revolutionierung der Landwirtschaft durch die Behebung des Arbeitskräftemangels, sondern ebnet auch den Weg für effizientere und ausgefeiltere Roboter in verschiedenen Bereichen, von selbstfahrenden Autos bis hin zu mehr. Da die Technologie weiterhin von der Natur inspiriert wird, sieht die Zukunft der Robotik zunehmend vielversprechend aus.