自然からインスピレーションを得たナビゲーション システムにより、GPS なしでロボットが複雑な環境を移動できるようになります

ロボットは間もなく、捜索救助任務、検査、複雑な保守作業、その他の現実世界のさまざまなタスクを自律的に完了できるようになるかもしれません。ただし、そのためには、人間の介入が必要となる、未知の複雑な環境を、故障したり立ち往生したりすることなくスムーズに移動できる必要があります。

ほとんどの自律ナビゲーション システムは全地球測位システム (GPS) に依存しており、地図内のロボットの位置に関する情報を提供できます。しかし、洞窟、構造化されていない空間、倒壊した建物などの多くの環境では、GPS システムが機能しないか、信頼性が低くなります。

北京工業大学の研究者らは最近、GPS 技術に依存せずに、構造化されていない複雑な環境におけるロボットのナビゲーションを改善できる、自然にインスピレーションを得た新しいシステムを開発しました。彼らが提案した枠組み—概説した Cell Press で出版される予定の論文で、現在は SSRN プレプリント サーバー – 昆虫、鳥、げっ歯類で観察される 3 つの異なる生物学的ナビゲーション戦略からインスピレーションを受けています。

「私たちの研究は、バイオからインスピレーションを得たロボット工学の分野で特定した重大なギャップに触発されました」と論文の筆頭著者であるシェイクダー・チャンダン氏はTech Xploreに語った。 「アリの経路統合やラットの認知マッピングなど、多くの研究が個々の動物からナビゲーション戦略を分離して実装することに成功していますが、この還元主義的なアプローチには、「退化」として知られる基本的な生物学的原理が欠けています。本質的に、堅牢なナビゲーションは、同一ではないが機能的に重複する複数の戦略の階層的統合から生まれます。」

自然にインスピレーションを得た 3 つの部分からなるフレームワーク

チャンダン氏らは、特定のカテゴリーの動物で観察される 1 つのナビゲーション戦略に触発されたシステムを開発するのではなく、さまざまな種から得た統一された神経形態のフレームワークを作成したいと考えました。最終的に、昆虫、鳥、げっ歯類の航行をサポートする生物学的プロセスをエミュレートすることができました。

「私たちは、これら 3 つのカテゴリーの動物で観察された最も効果的な戦略を 1 つのシステムに統合することを目指しました。これは、特に GPS が拒否された困難な環境において、感覚の脆弱さや高エネルギー消費など、従来のナビゲーションの中核となる制限に直接対処することを目的としていました」とチャンダン氏は述べています。

したがって、チームのフレームワークには、ロボットのナビゲーションを集合的にサポートする 3 つの主要な生物由来のコンポーネントがあります。これらは、昆虫からインスピレーションを得たパス インテグレーター、鳥からインスピレーションを得た多感覚融合システム、げっ歯類からインスピレーションを得たマッピング システムです。

「まず、昆虫にヒントを得たパス インテグレーターは、低電力ニューロモーフィック ハードウェア上のスパイク ニューラル ネットワークとして構築され、自己中心的な追跡のための堅牢な内部ステップ カウンターとして機能します」とチャンダン氏は説明しました。 「鳥からヒントを得た多感覚融合システムは、渡り鳥が複数の手がかりを使用する方法を模倣し、ベイジアン フィルターを使用して量子磁力計、偏光コンパス、視覚からの入力を動的に組み合わせ、1 つのセンサーが故障した場合でも信頼性の高い進行方向を保証します。

「第三に、げっ歯類にヒントを得た認知マッピング システムは、脳の海馬のエネルギー効率を反映して、顕著なランドマークを検出したときにのみマップを更新することで空間記憶を作成します。」

自然にインスピレーションを得たフレームワークの可能性を評価するために、研究者らは 23 の異なるロボット プラットフォームを使用して大規模なフィールド試験を実施しました。これらのテストは、放棄された鉱山や密林などの複雑な現実世界の環境で実行されました。

「このシステムは従来の SLAM (同時位置特定とマッピング) に対してベンチマークされ、位置ドリフトが 41% 減少し、エネルギー効率が最大 60% 向上し、センサーの故障から 83% 早く回復できることが示されました」と Chandan 氏は述べています。 「その独特の利点は『縮退』です。1 つのコンポーネントが侵害された場合、他のコンポーネントがシームレスに引き継ぎ、分離されたシステムにはないレベルのフォールト トレランスを提供します。」

パフォーマンスの向上と可能なアプリケーション

最初のフィールドテストでは、この研究者チームが開発したアーキテクチャが顕著な結果を達成し、さまざまなロボットが構造化されていない困難な環境をうまく移動できることが判明しました。

「私たちは単一のアルゴリズムを改善しただけではありません。本質的により回復力のある新しいシステムレベルのパラダイムを作成しました」とチャンダン氏は述べています。 「定量的には、これにより、さまざまなロボット プラットフォームにわたって、精度、エネルギー効率、堅牢性が同時に大幅に向上しました。重要な実証は、センサー障害からのシステムの迅速な回復でした。プライマリ カメラが盲目になったとき、他の機能サブシステムを活用することで、わずか 3 秒強で正確な位置を再確立しました。」

将来的には、チャンダン氏らによって開発されたフレームワークがさらに改良され、さらに大規模なロボット システムに展開され、予測不可能な環境でも確実かつ自律的にミッションに取り組むことができるようになる可能性があります。さらに、さまざまな動物が採用するナビゲーション戦略を参考にした同様のロボット ナビゲーション システムの作成を促す可能性があります。

「この研究は、真の『生態学的流暢さ』を備え、故障が許されない環境で長期稼働できるマシンを作成するための正式な青写真を提供します」とチャンダン氏は述べた。 「これには、倒壊した建物の航行、異世界の惑星探査、従来の GPS や完璧なセンシングが利用できない深海ミッションなどの災害対応での応用が含まれる可能性があります。」

研究者らは現在、そのフレームワークで観察されたいくつかの制限を克服することを目的とした新しい研究を計画している。たとえば、オンチップ学習と継続学習を統合して、ロボットのナビゲーションをさらに現実的で適応性のあるものにしたいと考えています。

「現在、私たちのシステムの神経重みは大部分が事前に設定されていますが、生物学的システムはシナプス可塑性を通じて継続的に学習し、適応します」とチャンダン氏は付け加えた。 「私たちは、この機能をハードウェアに直接組み込むために、メムリスティブ シナプスのような新しいテクノロジーを探索する予定です。

「さらに、私たちはシステムをキロメートルスケールの環境に拡張することを目指しています。そのためには、より大きな空間マップを効率的に処理するために、より洗練された記憶構成スキームを開発する必要があります。私たちの最終的な目標は、孤立した動物の行動を模倣するだけでなく、生物学的知能の継続的な学習と拡張性を体現するロボットを作成することです。」

© 2025 サイエンス X ネットワーク