La navigation robotique innovante inspirée des fonctions cérébrales améliore l'efficacité et la précision
Une équipe de recherche QUT s'est inspirée du cerveau des insectes et des animaux pour une navigation robotique plus économe en énergie.
Dirigée par le chercheur postdoctoral Somayeh Hussaini, aux côtés du professeur Michael Milford et du Dr Tobias Fischer du QUT Center for Robotics, la recherche, publiée dans Transactions IEEE sur la robotiquepropose un nouvel algorithme de reconnaissance de lieu utilisant les réseaux de neurones Spike (SNN).
« Les SNN sont des réseaux neuronaux artificiels qui imitent la façon dont les cerveaux biologiques traitent les informations à l'aide de signaux brefs et discrets, un peu comme la façon dont les neurones du cerveau animal communiquent », a déclaré Hussaini.
« Ces réseaux sont particulièrement bien adaptés au matériel neuromorphique, un matériel informatique spécialisé qui imite les systèmes neuronaux biologiques, permettant un traitement plus rapide et une consommation d'énergie considérablement réduite. »
Même si la robotique a connu des progrès rapides ces dernières années, les robots modernes ont encore du mal à naviguer et à fonctionner dans des environnements complexes et inconnus. Ils s’appuient également souvent sur des systèmes de navigation dérivés de l’IA dont les régimes de formation nécessitent d’importantes ressources informatiques et énergétiques.
« Les animaux sont remarquablement capables de naviguer dans des environnements vastes et dynamiques avec une efficacité et une robustesse étonnantes », a déclaré le Dr Fischer.
« Ce travail constitue une étape vers l'objectif de systèmes de navigation d'inspiration biologique qui pourraient un jour rivaliser, voire surpasser, les approches plus conventionnelles d'aujourd'hui. »
Le système développé par l'équipe QUT utilise de petits modules de réseau neuronal pour reconnaître des lieux spécifiques à partir d'images. Ces modules ont été combinés en un ensemble, un groupe de plusieurs réseaux de pointe, pour créer un système de navigation évolutif capable d'apprendre à naviguer dans de grands environnements.
« L'utilisation de séquences d'images au lieu d'images uniques a permis une amélioration de 41 % de la précision de la reconnaissance du lieu, permettant au système de s'adapter aux changements d'apparence au fil du temps et selon les différentes saisons et conditions météorologiques », a déclaré le professeur Milford.
Le système a été démontré avec succès sur un robot aux ressources limitées, démontrant ainsi que l'approche est pratique dans des scénarios réels où l'efficacité énergétique est essentielle.
« Ce travail peut contribuer à ouvrir la voie à des systèmes de navigation plus efficaces et plus fiables pour les robots autonomes dans des environnements à consommation énergétique limitée. Des opportunités particulièrement intéressantes incluent des domaines tels que l'exploration spatiale et la reprise après sinistre, où l'optimisation de l'efficacité énergétique et la réduction des temps de réponse sont essentielles », a déclaré Hussaini. .
