Ver através de uma nova lente permite a navegação semelhante ao cérebro em robôs

Os pesquisadores de robótica QUT desenvolveram um novo sistema de navegação de robôs que imita os processos neurais do cérebro humano e usa menos de 10% da energia exigida pelos sistemas tradicionais.

Em um estudo publicado na revista Robótica científicaos pesquisadores detalham um novo sistema que chamam de lente – codificação local com sistemas neuromórficos. O artigo é intitulado “Um sistema neuromórfico compacto para localização de robôs ultra-eficientes e com eficiência de energia”.

A lente usa a computação inspirada no cérebro para definir uma nova referência de baixa energia para o reconhecimento de lugares robóticos.

A pesquisa, conduzida pelo primeiro autor neurocientista Dr. Adam Hines, juntamente com o professor Michael Milford e o Dr. Tobias Fischer, todos do Centro QUT de Robótica e da Escola de Engenharia Elétrica e Robótica QUT, usa um sistema chamado Neuromorphic Computing

“Para executar esses sistemas neuromórficos, projetamos algoritmos especializados que aprendem mais como os humanos, processando informações na forma de picos elétricos, semelhante aos sinais usados ​​pelos neurônios reais”, disse Hines.

“As restrições de energia são um grande desafio na robótica do mundo real, especialmente em campos como busca e salvamento, exploração espacial e navegação subaquática.

“Ao usar a computação neuromórfica, nosso sistema reduz os requisitos de energia da localização visual em até 99%, permitindo que os robôs operem mais e cubra distâncias maiores em fontes limitadas de alimentação.

“Conhecemos que os sistemas neuromórficos podem ser mais eficientes, mas geralmente são complexos e difíceis de usar no mundo real – desenvolvemos um novo sistema que achamos que mudará a maneira como são usados ​​com robôs”.

No estudo, os pesquisadores desenvolveram lentes, um sistema capaz de reconhecer locais ao longo de uma jornada de 8 km, mas usando apenas 180 kb de armazenamento – quase 300 vezes menor que outros sistemas.

A lente combina uma rede neural de pico do cérebro com uma câmera especial que reage apenas ao movimento e a um chip de baixa potência, tudo em um pequeno robô.

“Este sistema demonstra como a computação neuromórfica pode atingir o rastreamento de localização com eficiência energético em tempo real em robôs, abrindo novas possibilidades para a tecnologia de navegação de baixa potência”, disse Hines.

“O menor consumo de energia pode permitir que robôs operados remotamente explorem por mais tempo e mais.

“Nosso sistema permite que os robôs se localizem usando apenas informações visuais, de uma maneira que seja rápida e com eficiência energética”.

O Dr. Fischer, bolsista da ARC Decra, disse que a principal inovação no sistema de lentes era um novo algoritmo que explorou dois tipos de hardware biodometido promissor: sensor, através de um tipo especial de câmera conhecida como “câmera de evento” e computação, por meio de um chip neuromórfico.

“Em vez de capturar uma imagem completa da cena que recebe todos os detalhes em cada quadro, uma câmera de evento sente continuamente muda e move todos os microssegundos”, disse Fischer.

“A câmera detecta mudanças de brilho em cada pixel, replicando de perto como nossos olhos e o cérebro processam informações visuais.

“Saber onde você está, também conhecido como reconhecimento de lugares visuais, é essencial para humanos e robôs.

“Enquanto as pessoas usam dicas visuais sem esforço, é uma tarefa desafiadora para as máquinas”.

O professor Michael Milford, diretor do QUT Center for Robotics, disse que o estudo foi representativo de um tema -chave da pesquisa conduzida pelos pesquisadores do Centro.

“Robótica e tecnologia impactantes significam pesquisas pioneiras inovadoras, mas também fazem todo o trabalho de tradução para garantir que atenda às expectativas e requisitos do usuário final”, disse o professor Milford.

“Você não pode simplesmente fazer um ou outro.

“Este estudo é um ótimo exemplo de trabalho em direção a sistemas robóticos com eficiência energética que fornecem aos usuários finais o desempenho e a resistência necessários para que esses robôs sejam úteis em seus domínios de aplicação”.