想象一個被落日溫暖光輝照耀的美麗玉米田，玉米杆在微風中搖曳。在這幅田園詩般的農田場景中，機器人已加入農場工人的行列，幫助完成收穫水果和管理農作物等任務。隨着農業行業面臨勞動力短缺，這些機器人有望提高農作物產量，將新鮮產品送到我們的餐桌上，並減少浪費。然而，有一個重大挑戰：機器人在複雜和陌生的農田中導航困難，常常迷路。愛丁堡大學的研究人員在巴巴拉·韋布博士的帶領下，從螞蟻身上獲得靈感，解決這個問題並提升機器人導航能力。通過利用類腦計算和螞蟻導航的見解，他們開發了一種突破性的解決方案，可能會徹底改變農業以及機器人和人工智能的其他領域。

螞蟻：自然的導航專家

在農田中導航就像在密林或玉米迷宮中尋找方向；一切看起來都一樣，使得確定你的位置和方向變得具有挑戰性。機器人在自然環境中遇到類似的問題，變化的光照和天氣條件會干擾它們的視覺系統。當前的算法難以快速適應，阻礙了自主機器人在複雜環境中的進展。

儘管螞蟻的大腦相對較小，但它們在複雜環境中學習和導航方面表現出色。它們能夠記住之前的路線，無論在不利條件下都能超越GPS的精度。它們成功的關鍵在於能夠識別熟悉的地方，而不是在導航過程中精確定位。

從螞蟻大腦獲得靈感

從螞蟻大腦中汲取靈感，研究小組開始了一段三步旅程，以增強機器人導航能力。

軟件：螞蟻在蘑菇體中微調它們的神經迴路，這些特化的神經中心對學習視覺信息至關重要。研究小組專注於這些中心，開發了模擬螞蟻如何處理視覺信息以進行導航決策的算法。

事件相機：事件相機以模仿動物眼睛的方式捕捉圖像，使其成爲訓練計算機視覺系統的理想選擇。這些相機在拍照時類似於人眼處理光線，有助於視覺算法的訓練。

硬件：SpiNNaker計算芯片最初在曼徹斯特大學開發，模擬生物神經網絡的內部工作以編碼記憶。該芯片支持大規模並行計算，使多個計算能夠同時進行，從而大幅減少數據處理延遲。

整合一切：螞蟻般的機器人

結合這些組件，研究小組創建了一個類螞蟻的機器人系統。他們使用名爲“Turtlebot3 burger”的移動機器人進行了測試，該機器人在具有挑戰性的地形中導航，同時使用事件相機捕捉圖像。

在穿越森林土地的過程中，機器人的類腦“腦”迅速處理基於周圍環境的“事件”。當像樹枝或葉子等障礙物阻礙機器人的視線時，算法會觸發警告事件。機器人在不同植被高度中穿越了大約20英尺，從每次旅行中學習。在多次測試中，AI模型有效分析了不同路線的數據，並以熟悉的方式做出反應，展示了其概括和適應的能力。

相比之下，流行的算法在沒有相同視頻錄製的情況下難以識別相同的路線，突顯了受螞蟻啓發的算法在適應變化環境方面的優越性。

通過類腦計算實現的效率和節能

AI模型面臨的一個主要挑戰是其能耗。類腦系統，如SpiNNaker，通過顯著降低能耗提供了一個解決方案。SpiNNaker的架構模擬大腦中的神經網絡，支持每個芯片18個核心的分佈式計算，模擬大約250個神經元。每個核心獨立處理數據和存儲記憶，減少數據處理延遲並提高效率，尤其是在像通過複雜地形導航這樣的實時任務中。

未來方向和螞蟻般的複雜性

研究小組的下一步是深入探討螞蟻複雜的神經迴路。探索不同腦區和羣體之間的連接可能會進一步提升機器人與世界交互的效率和能力。最終，他們的目標是創造能夠像螞蟻一樣靈活導航和與世界互動的機器人。

將自然的導航專家螞蟻引入機器人領域，愛丁堡大學的研究人員在增強機器人導航能力方面取得了重大進展。通過利用類腦計算和螞蟻導航的見解，他們開發了一種優於傳統視覺系統的算法，使機器人能夠適應複雜和變化的環境。這一突破不僅有望通過解決勞動力短缺而徹底改變農業，還爲各個領域（從自動駕駛汽車到其他領域）的更高效和更復雜的機器人鋪平了道路。隨着技術繼續從自然世界中獲取靈感，機器人的未來顯得越來越光明。