Wie schaffen es Insekten, so weit von ihrem Zuhause entfernt zu sein und trotzdem zurückzukehren? Die Antwort auf diese Frage ist nicht nur für die Biologie relevant, sondern auch für die Entwicklung von künstlicher Intelligenz für kleine, autonome Roboter. Forscher der TU Delft ließen sich von biologischen Entdeckungen inspirieren, wie Ameisen ihre Umgebung visuell erkennen und dies mit dem Zählen von Schritten kombinieren, um sicher nach Hause zurückzukehren. Sie nutzten diese Erkenntnisse, um eine von Insekten inspirierte autonome Navigationsstrategie für kleine, leichte Roboter zu entwickeln. Diese Strategie ermöglicht es den Robotern, nach langen Reisen nach Hause zurückzukehren, bei extrem geringem Ressourcen- und Speicherverbrauch (1,16 Kilobyte pro 100 Meter). In Zukunft könnten kleine autonome Roboter für eine Vielzahl von Aufgaben eingesetzt werden, von der Überwachung von Beständen in Lagern bis hin zum Aufspüren von Gaslecks in Industrieanlagen. Die Forscher veröffentlichten ihre Ergebnisse in der Zeitschrift Science Robotics am 17. Juli 2024.

Unterstützung für kleine Roboter
Kleine Roboter, die von wenigen Dutzend bis zu mehreren hundert Gramm reichen, haben Potenzial für viele interessante Anwendungen in der realen Welt. Durch ihr geringes Gewicht sind sie extrem sicher, selbst wenn sie versehentlich jemanden treffen. Aufgrund ihrer Größe können sie sich in engen Räumen bewegen. Wenn sie kostengünstig produziert werden können, können sie in größerer Anzahl eingesetzt werden und schnell ein großes Gebiet abdecken, zum Beispiel in Gewächshäusern zur Früherkennung von Schädlingen oder Krankheiten. Es ist jedoch schwierig, solche kleinen Roboter autonom arbeiten zu lassen, da sie im Vergleich zu größeren Robotern extrem begrenzte Ressourcen haben.

Eine der Hauptbarrieren für den Einsatz kleiner Roboter ist ihre Fähigkeit zur autonomen Navigation. Roboter können Hilfe von externer Infrastruktur erhalten, wie GPS im Freien oder drahtlose Kommunikationssender in Innenräumen. Das Verlassen auf solche Infrastruktur ist jedoch oft nicht wünschenswert. GPS ist in Innenräumen nicht verfügbar und kann in städtischen Schluchten sehr ungenau sein. Die Installation und Wartung von Sendern in Innenräumen ist teuer oder einfach unmöglich, zum Beispiel in Such- und Rettungsszenarien.

Die künstliche Intelligenz, die für die autonome Navigation mit begrenzten Ressourcen benötigt wird, wurde mit großen Robotern im Sinn entwickelt, wie autonomen Autos. Einige Ansätze verwenden schwere, energieintensive Sensoren wie LiDAR-Laserdistanzmesser, die kleine Roboter nicht tragen oder betreiben können. Andere Ansätze verwenden visuelle Sensoren, die sehr energieeffizient sind und reichhaltige Informationen über die Umgebung liefern. Diese Ansätze versuchen jedoch normalerweise, sehr detaillierte 3D-Karten der Umgebung zu erstellen. Dies erfordert große Mengen an Verarbeitung und Speicher, die nur große und energieintensive Computersysteme bieten können, die für kleine Roboter zu groß sind.

Schrittzählung und visuelle Hinweise
Deshalb haben sich einige Forscher von der Natur inspirieren lassen. Insekten sind besonders interessant, weil sie sich über Entfernungen bewegen, die für viele reale Anwendungen relevant sein könnten, während sie sehr knappe Wahrnehmungs- und Rechenressourcen nutzen. Biologen verstehen zunehmend die grundlegenden Strategien, die Insekten verwenden. Insbesondere kombinieren Insekten die Verfolgung ihrer eigenen Bewegung (sogenannte "Odometriel") mit visuell geführtem Verhalten, das auf ihrem niedrig auflösenden, aber fast allseitigen visuellen System basiert (sogenannte "visuelle Erinnerung"). Während die Odometrie bis auf die neuronale Ebene zunehmend verstanden wird, sind die genauen Mechanismen hinter der visuellen Erinnerung noch weniger bekannt. Daher gibt es verschiedene Theorien darüber, wie Insekten das Sehen zur Navigation nutzen. Eine der frühesten Theorien schlägt ein "Snapshot"-Modell vor. Laut diesem Modell macht ein Insekt wie eine Ameise gelegentlich eine Momentaufnahme seiner Umgebung. Später, wenn es sich dem Aufnahmeort nähert, kann das Insekt seinen aktuellen visuellen Eindruck mit dem Snapshot vergleichen und sich so bewegen, dass die Unterschiede minimiert werden. Dies ermöglicht es dem Insekt zu navigieren oder zum Aufnahmeort zu gelangen, indem es jeglichen Drift eliminiert, der unweigerlich auftritt, wenn man sich ausschließlich auf die Odometriel verlässt.

"Snapshot-basierte Navigation kann mit der Art und Weise verglichen werden, wie Hansel versuchte, sich im Märchen von Hansel und Gretel nicht zu verlaufen. Als Hansel Steine auf den Boden warf, konnte er nach Hause finden. Als er jedoch Brotkrumen warf, die von Vögeln gefressen wurden, verloren sich Hansel und Gretel. In unserem Fall sind die Steine Snapshots," sagt Tom van Dijk, der erste Autor der Studie, "Wie bei Steinen muss der Roboter für einen Snapshot nah genug am Aufnahmeort sein. Wenn sich die visuelle Umgebung zu stark vom Aufnahmeort unterscheidet, kann der Roboter in die falsche Richtung gehen und niemals zurückkehren. Daher ist es notwendig, genügend Snapshots zu verwenden – oder im Fall von Hansel genügend Steine zu werfen. Andererseits würde das Werfen von Steinen zu dicht beieinander Hansels Steine schnell erschöpfen. Im Fall des Roboters führt die Verwendung zu vieler Snapshots zu einem hohen Speicherverbrauch. Frühere Arbeiten in diesem Bereich hatten normalerweise Snapshots sehr dicht beieinander, sodass der Roboter zuerst visuell zum einen Snapshot navigierte und dann zum nächsten."

"Die wichtigste Erkenntnis unserer Strategie ist, dass man die Snapshots viel weiter auseinander platzieren kann, wenn der Roboter zwischen den Snapshots auf Basis der Odometriel reist," sagt Guido de Croon, Professor an der TU Delft und Mitautor des Artikels, "Die Navigation funktioniert, solange der Roboter nah genug am Aufnahmeort des Snapshots endet, d.h. solange der Drift der Odometriel des Roboters innerhalb des Snapshot-Bereichs liegt. Dies ermöglicht es dem Roboter auch, viel weiter zu reisen, da der Roboter viel langsamer fliegt, wenn er sich auf einen Snapshot zubewegt, als wenn er basierend auf der Odometriel von einem Snapshot zum nächsten fliegt."

Die vorgeschlagene von Insekten inspirierte Navigationsstrategie ermöglichte es der 56-Gramm "CrazyFlie"-Drohne, die mit einer omnidirektionalen Kamera ausgestattet ist, Entfernungen von bis zu 100 Metern mit einem Verbrauch von nur 1,16 Kilobyte zu bewältigen. Alle visuellen Verarbeitungen fanden auf einem kleinen Computer namens "Mikrocontroller" statt, der in vielen kostengünstigen elektronischen Geräten zu finden ist.

Anwendung der Robotertechnologie
"Die vorgeschlagene von Insekten inspirierte Navigationsstrategie ist ein wichtiger Schritt in Richtung der Anwendung kleiner autonomer Roboter in der realen Welt," sagt Guido de Croon, "Die Funktionalität der vorgeschlagenen Strategie ist im Vergleich zu den fortschrittlichsten Navigationsmethoden begrenzt. Sie erzeugt keine Karte und ermöglicht dem Roboter nur, zum Ausgangspunkt zurückzukehren. Trotzdem kann dies für viele Anwendungen mehr als ausreichend sein. Zum Beispiel für die Bestandsüberwachung in Lagern oder die Überwachung von Pflanzen in Gewächshäusern könnten Drohnen fliegen, Daten sammeln und dann zur Basisstation zurückkehren. Sie könnten auf einer kleinen SD-Karte Bilder speichern, die für die Mission relevant sind, um sie auf einem Server nachzuverarbeiten. Diese Bilder wären jedoch nicht für die eigentliche Navigation erforderlich."

Zusätzlich könnte diese Technologie in Zukunft auch für andere Zwecke genutzt werden, wie die Überwachung von Infrastrukturen oder die Unterstützung bei der Rettung von Verletzten. Beispielsweise könnten in Katastrophenszenarien kleine Roboter schnell durch Trümmer suchen und Überlebende finden, was die Chancen auf rechtzeitige Rettung erheblich erhöhen würde. Auch in Industrieanlagen könnten diese Roboter regelmäßig Pipelines und Ausrüstungen überwachen und potenzielle Probleme erkennen, bevor sie sich zu ernsthaften Ausfällen entwickeln. Die Kombination aus minimalem Energieverbrauch und hoher Effizienz macht diese Technologie äußerst vielversprechend für eine breite Palette von Anwendungen.

Quelle: Delft University of Technology