18/07/2024
Door Ad Spijkers
Onderzoek aan de TU Delft leidt tot een doorbraak in de navigatie van robots en drones.
Waarom kunnen insecten zich zo ver van hun thuisbasis bewegen maar toch altijd hun weg terug vinden? Behalve biologen zijn ook onderzoekers van AI voor kleine autonome robots op zoek naar het antwoord.
Drone-onderzoekers van de TU Delft lieten zich inspireren door biologisch onderzoek over hoe mieren hun omgeving visueel herkennen en hun stappen zorgvuldig tellen om zo veilig thuis te komen. Met deze strategie komen deze robots na een lange tocht gewoon weer thuis, en dat met weinig rekenkracht en geheugen (1,16 kb/100 m). In de toekomst zouden minuscule autonome robots ingezet kunnen worden voor een breed scala aan toepassingen, van het bijhouden van voorraden in magazijnen tot het opsporen van gaslekken in de industrie.
Groots in kleinheid
Kleine robots, met een gewicht van tientallen tot een paar honderd gram, hebben talloze toepassingen. Door hun lage massa zijn ze veilig, zelfs als ze per ongeluk tegen iemand opbotsen. En dankzij hun geringe grootte schuwen ze ook de kleine ruimte niet. Goedkoop geproduceerde robots zouden massaal kunnen worden ingezet om snel een groot gebied te bestrijken, bijvoorbeeld om vroegtijdig ongedierte of ziekten op te sporen in kassen.
Autonomie is bij dit soort kleine robots echter geen sinecure, omdat ze in vergelijking met grotere robots over beperkte middelen beschikken. Het grootste obstakel is dat dit soort robots zelf moeten kunnen navigeren om taken uit te voeren. Om dit probleem op te lossen, kunnen de robots hulp krijgen van externe infrastructuur. Zo kunnen ze buiten gebruik maken van GPS-satellieten, binnen van draadloze communicatiebakens.
Het is echter vaak niet wenselijk om afhankelijk te zijn van dergelijke infrastructuur: binnen heb je geen GPS, en in volgebouwde omgevingen zoals moderne steden tussen hoge gebouwen is het dikwijls nogal onnauwkeurig. Het alternatief (het installeren en onderhouden van bakens) is vrij duur of simpelweg niet mogelijk, bijvoorbeeld bij reddingsoperaties.
AI voor navigatie
De AI die doorgaans wordt gebruikt voor autonome navigatie met de sensoren en rekenkracht op de robot zelf is in principe ontworpen voor grote robots, zoals zelfrijdende auto's. Deze aanpakken zijn gebaseerd op zware, energie slurpende sensoren zoals LiDAR-afstandsmeters, die niet eens gedragen kunnen worden door kleine robots.
Een andere optie is het gebruiken van een zichtsensor die zuinig omgaat met energie en rijke informatie over de omgeving levert als basis voor zeer gedetailleerde 3D-kaarten. Maar hiervoor is veel rekenkracht en geheugen nodig, en de bijbehorende computerapparatuur is te groot en verbruikt te veel energie voor zulke kleine robots. In kleine drones passen alleen kleine processors met weinig rekenkracht en geheugen. Autonome navigatie is daarmee een grote uitdaging. De huidige AI voor navigatie veel rekenkracht en geheugen vraagt.
Om deze uitdaging het hoofd te bieden, besloten onderzoekers van de TU Delft zich tot de natuur te wenden. Insecten zijn interessant omdat ze zich met beperkte sensor- en rekenkracht over afstanden verplaatsen die relevant zouden kunnen zijn voor veel praktische toepassingen. Biologen krijgen steeds meer inzicht in de strategieën van insecten.
Zo leerden ze dat insecten hun eigen bewegingen bijhouden (odometrie) en dit combineren met visueel gestuurd gedrag op basis van herkenning van de omgeving. Hoewel odometrie steeds beter wordt begrepen, zelfs tot op neuronaal niveau, zijn de exacte mechanismen die ten grondslag liggen aan het visueel gestuurd gedrag nog niet helemaal boven water. Wel bestaan er meerdere concurrerende theorieën over hoe insecten zicht gebruiken om te navigeren.
Stappen en broodkruimels
Een van de eerste theorieën gaat uit van een model gebaseerd op snapshots, ofwel visuele momentopnames. Volgens dit model maakt een mier bijvoorbeeld regelmatig momentopnames van zijn omgeving. Later, wanneer de mier weer dezelfde plek nadert, vergelijkt hij zijn huidige omgeving met de momentopname en beweegt hij totdat de verschillen minimaal zijn. Hierdoor vindt de mier zijn weg terug naar een momentopname (homing). Tegelijkertijd wordt de positie-afwijking die gepaard gaat met odometrie tegengegaan.
Navigatie op basis van momentopnames is het best uit te leggen aan de hand van het sprookje van Hans en Grietje. De momentopnames zijn het beste te vergelijken met de steentjes. Een momentopname werkt pas als de robot dichtbij genoeg is. Als de visuele omgeving te veel verschilt van de momentopname, kan de robot de verkeerde richting inslaan en mogelijk voor altijd verdwalen. Het is daarom zaak om voldoende momentopnames te maken. Met één of twee steentjes lukt het niet om thuis te komen. Als te veel steentjes vallen, zijn de steentjes snel op. Bij een robot leggen momentopnames beslag op het schaarse interne geheugen.
Inzichten
Bij eerdere onderzoeken zaten de momentopnames doorgaans dicht bij elkaar. De robot navigeerde eerst visueel naar de ene momentopname en daarna naar de volgende – wat alsnog veel geheugen verbruikte.
Het belangrijkste inzicht dat ten grondslag ligt aan onze strategie is, dat momentopnames verder uit elkaar kunnen worden geplaatst als de robot tussendoor gebruik maakt van odometriel. Homing werkt zolang de robot dicht genoeg bij de locatie van de momentopname uitkomt, dat wil zeggen zolang de odometrische afwijking van de robot binnen van de momentopname valt. Hierdoor kan de robot veel minder momentopnames maken. Daarnaast kan hij ook veel verder gaan, omdat robots bij homing veel langzamer gaan dan wanneer ze odometrie gebruiken om opeenvolgende momentopnames af te gaan.
Door de voorgestelde, op insecten geïnspireerde navigatiestrategie kon een CrazyFlie drone van 56 g, voorzien van een omnidirectionele camera, afstanden tot 100 m afleggen met slechts 1,16 kB aan geheugen. Alle berekeningen werden gedaan op een piepkleine microcontroller die in veel goedkope elektronische apparaten te vinden is.
De praktijk
"De op insecten geïnspireerde navigatiestrategie is een belangrijke stap richting het toepassen van kleine autonome robots in de praktijk. De strategie is wel beperkter dan de strategie van de laatste navigatiemethoden. Er wordt geen kaart gegenereerd en de robot kan alleen terugkeren naar een bepaald startpunt. Toch kan dit voor veel toepassingen meer dan genoeg zijn. Om voorraden bij te houden in een magazijn of gewassen te bewaken in een kas kunnen drones wegvliegen, data verzamelen en terugkeren naar het basisstation. Ze kunnen toepassingsgerichte beelden opslaan op een kleine SD-kaart, die daarna worden verwerkt door een server maar niet nodig zijn voor het navigeren zelf.
De wetenschappelijke publicatie vindt u hier.
Foto: Prof. Guido de Croon, TU Delft MAV Lab