Os insetos voadores são capazes de navegar em seus ambientes de forma eficiente, processamento de estímulos visuais para evitar obstáculos e pousar com segurança em uma variedade de superfícies. Ao longo da última década ou assim, equipes de pesquisa em todo o mundo têm tentado replicar essas capacidades em micro veículos aéreos autônomos (MAVs) usando mecanismos semelhantes aos observados em insetos.

Pesquisadores do MAVLab da TU Delft vêm tentando desenvolver técnicas inspiradas em insetos que podem aprimorar as estratégias de navegação e pouso em pequenos drones há vários anos. Em um artigo recente pré-publicado no arXiv, eles introduziram uma nova estratégia para a criação de controladores neuromórficos que poderiam melhorar os pousos em MAVs.

"No MAVLab de TU Delft, estudamos o vôo autônomo de pequenos drones, "Jesse Hagenaars, um dos pesquisadores que realizou o estudo, disse TechXplore. “Este é um grande desafio, porque nossos drones (às vezes tão leves quanto 20 gramas) têm recursos extremamente limitados em termos de energia, detecção e processamento. É por isso que nos inspiramos muito na natureza, e em particular, de insetos voadores. "

Em trabalhos anteriores, pesquisadores do MAVLab desenvolveram uma série de técnicas bioinspiradas para estimativa de movimento baseada na visão usando redes neurais de spiking (SNNs). SNNs são uma classe de redes neurais artificiais que imitam de perto as redes neurais do cérebro humano, usando picos de ativação para calcular e analisar informações.

Em seu novo estudo, os Hagenaars e seus colegas queriam levar suas técnicas um passo adiante, usando-os para controlar o voo e pouso de MAVs. Para fazer isso, eles começaram uma colaboração com o instituto de pesquisa nacional holandês para ciência da computação e matemática (CWI), que tem um alto nível de especialização no desenvolvimento de redes neurais de spiking.

"O objetivo final de nossa pesquisa é conectar estimativa e controle de movimento para terminar com um duto completamente bioinspirado, que será muito mais eficiente em termos de gasto de energia do que as abordagens tradicionais de controle com base na visão, "Hagenaars disse." Por enquanto, para demonstrar a viabilidade da parte de controle, aplicamos nossa abordagem às manobras de pouso. "

A maioria das técnicas desenvolvidas anteriormente para controlar MAVs durante a aterrissagem baseada em visão são baseadas em controladores proporcionais e RNAs convencionais. Os controladores baseados em SNNs têm o potencial de alcançar resultados semelhantes ou até melhores com eficiências de energia muito maiores.

Ao contrário das redes neurais artificiais convencionais (RNAs), em que cada neurônio individual passa um valor real a cada passo de tempo, Os SNNs geram um pico binário apenas quando recebem estimulação suficiente. Dado que cada pico individual ou cálculo requer uma certa quantidade de energia, SNNs tendem a ser muito mais eficientes em termos de energia do que RNAs convencionais, já que geralmente são implementados usando o que é conhecido como 'hardware neuromórfico ".

"Embora não tenhamos implementado nossos controladores de spiking em hardware neuromórfico, demos um passo adiante em termos de eficiência energética, minimizando o número de picos usados ​​pela rede para realizar o controle, "Hagenaars disse." Isso foi feito incluindo o número de picos como um objetivo durante a otimização evolutiva dos controladores. "

Hagenaars e seus colegas treinaram seus controladores baseados em SNN usando ferramentas de simulação, e então avaliou seu desempenho em ambientes do mundo real. Seus experimentos produziram resultados muito promissores, com os controladores permitindo pousos MAV rápidos e seguros, enquanto mantém os picos de SNN e, portanto, o gasto de energia a um mínimo.

Interessantemente, os pesquisadores também descobriram que controladores de spikes que produzem menos spikes (ou seja, gastam menos energia) tiveram um desempenho tão bom quanto outros que produzem mais picos. Na verdade, limitar o número de picos de entrada parecia simplificar a transferência das capacidades de pouso de um controlador de ambientes simulados para o mundo real.

"Em primeiro lugar, este trabalho é o primeiro a integrar redes neurais com spikes no loop de controle de um robô voador do mundo real, "Hagenaars disse." Em segundo lugar, minimizamos substancialmente a taxa de pico dos controladores, o que resultaria em considerável economia de energia quando implementado em hardware neuromórfico. Além de tornar as redes de spikes as menores possíveis, incluímos a taxa de pico da rede como um objetivo na evolução multiobjetivo. "

Hagenaars e seus colegas da TU Delft estavam entre os primeiros a usar SNNs para controlar robôs voadores em ambientes do mundo real. Os controladores que eles criaram podem, em última análise, ajudar os pesquisadores a aumentar o desempenho e a eficiência energética dos MAVs existentes e recentemente desenvolvidos, particularmente durante o pouso.

"Nosso artigo recente focou apenas no controle bioinspirado com base em uma determinada estimativa de movimento, "Hagenaars disse." O método real de estimar este movimento era, Contudo, não muito bio-inspirado. Portanto, agora queremos combinar nosso controlador com o método de estimativa de movimento bioinspirado (também baseado em redes de spiking) desenvolvido anteriormente pelo MAVLab, para terminar com um gasoduto completamente bioinspirado. "

Até aqui, os pesquisadores testaram apenas seus controladores em chips convencionais, no entanto, a economia de energia que eles previram só pode ser realizada usando hardware neuromórfico. Em seu trabalho futuro, assim, eles também esperam implementá-los em chips neuromórficos, como o chip Loihi da Intel.

© 2020 Science X Network