Torakka AI:lla varustettu etsintä- ja pelastuslaitteisto

Kansainväliset robotiikan tutkijat ovat kehittäneet Urban Search And Rescue (USAR) -järjestelmän, joka käyttää “ohjattavaa” elävää torakkaa kuljettamaan miniaturisoitua koneoppimisella varustettua infrapunavaloilla varustettua selviytyjien havaitsemisjärjestelmää muuten käymättömissä onnettomuustilanteissa.

Järjestelmä on yhteistyöhankkeena Singaporen, Kiinan, Saksan ja Iso-Britannian tutkimuslaitosten välillä. Se käyttää Madagaskarin torakkaa ajoneuvona, ja siinä on tarpeeksi voimaa toimia useita tunteja.

Lähde: https://arxiv.org/abs/2105.10869

Hybridi- pelastusjärjestelmä sisältää koneoppimismallin ihmisten tunnistamiseksi, joka on koulutettu infrapunakuvilla, ja se ohjaa liikkuvaan infrapunahavaintojärjestelmään, joka voi toimia autonomisesti tarvittaessa ja ilmoittaa löydetyt selviytyjät tukikohtaan.

Rajoitetut paikalliset resurssit

Koneoppimisraamistolla on oltava erittäin vähäiset resurssit: vain 191,8 kt staattista RAM-muistia ja 1988 kt Flash-muistia on järjestelmälle yleisen virranvaatimusten jäljellä laitteesta, joka on myös tarjoamassa sähköistä stimulaatiota hyönteiselle.

Torakan selässä olevan reppu sisältää kolme toiminnallista lohkoa, joissa on langaton stimulaatio, pääohjainyksikkö ja periferaaliset komponentit, ja infrapunaperäinen koneoppimisjärjestelmä ja navigointitoiminto on upotettu pääohjainyksikköön. Piirin on jaettu useisiin osiin, jotta se sopii paremmin torakan geometriaan.

Madagaskarin torakka (yksi maailman suurimmista lajeista, jolla on enimmillään 15 g:n kuormakapasiteetti) ohjataan pienillä sähköshokeilla, jotka ohjaavat sitä toiseen suuntaan, ja se on toteutettu neljällä elektrodilla, jotka on istutettu eläimen tuntosarviin (cerci) ja vatsaan. Elektrodit on kiinnitetty mehiläisvahalla.

Lisäämällä tekoälyä hyönteisiin etsintä- ja pelastustehtäviin

Uusi aloite kehittää edelleen Kalifornian yliopiston ja Singaporen Nanyangin teknillisen yliopiston aiempaa työtä, jossa kehitettiin ohjattavia kovakuoriaisia USAR-tilanteissa.

2016 tutkimus lentävän kovakuoriaisen lennon reitin ohjaamisesta. Lähde: https://www.youtube.com/watch?v=iljHXpE4LG8

Vaikka kovakuoriaisilla on lisäksi lentokyky, niiden kuormakapasiteetti on siten vähentynyt, mikä alentaa mahdollisia teknologioita, ja tuo voiman kulutuksen kriittiseen tasoon, erityisesti tapauksissa, joissa on tarve ajaa koneoppimisalgoritmia.

Uuden aloitteen kannalta laivan kannen autonomisen ihmistunnistusjärjestelmän käyttää kuvien luokittelumallia, joka hyödyntää tukeva vektorikone (SVM) ja Histogram of Oriented Gradients.

Torakan liike on ohjattu integroidulla navigointijärjestelmällä, ja se ohjaa “biobottiin” ennalta määrättyyn kohteeseen ilman tietoa väliin jäävistä esteistä. Suurimmaksi osaksi torakan omat merkittävät navigointitaidot ratkaisevat useimmat ongelmat, joita voi esiintyä, kun yritetään päästä muuten käymättömään paikkaan.

Lähde: https://arxiv.org/abs/2105.10869

Laivan kannen infrapunajärjestelmä ottaa kuvia 1 Hz:n taajuudella, ja se toimii onnistuneesti pimeissä tiloissa ja ilmoittaa havaittujen selviytyjien sijainnin tukikohtaan reaaliajassa. Energian säästämiseksi kuvan analyysijärjestelmä käynnistyy vain, kun se on laukaistu positiivisella infrapunatuloksella.

Malli vaatii vain 18,3 kt Flash-muistia ja 52,2 kt staattista RAM-muistia, ja se saavuttaa laskentaaikan 95 millisekuntia. Kohtuullinen laskenta-aika on välttämätöntä USAR-tilanteissa, koska kaukaiset infrapunamerkit voivat muuten jäädä huomaamatta laskenta-aikana, kun torakka muuttaa suuntaa ja kulkee maastossa.

Järjestelmä sisältää myös anturit, jotka seuraavat lämpötilaa, kosteutta ja CO2:ta, jotta se voi ilmoittaa paikalliset olosuhteet mahdolliselle pelastusyritykselle ja sallia tukikohdalle ohjata eläintä pois tilanteista, jotka voisivat vaarantaa sen.

Testaus simuloitujen maastojen kanssa

Järjestelmää testattiin simuloitussa onnettomuustilanteessa (kuva yllä), jossa oli tehokas esteiden kiertäminen, paitsi joissakin haastavissa kokoonpanoissa, joissa oli jyrkkiä nousuja, koska torakka on painohaitassa kiinnitetyn laitteen takia.

Navigointiarkkitehtuuri sai aluksi tendencyyn jumiutua ylivoimaisiin esteisiin, kuten tilanteisiin, joissa torakka ei voinut edetä, ja tutkijat kehittivät myöhemmin ennustavan palautejärjestelmän navigoinnin parantamiseksi. Järjestelmä saavutti 100 %:n onnistumisprosentin ympäristöissä, joissa ei ollut esteitä tai joissa esteet olivat vähäisiä, ja korkeamman onnistumisprosentin esteiden kanssa.

Kun epäonnistuminen tapahtui, tutkijat päättelevät, että se voitiin korjata lisäämällä kokeen kestoa, vaikka se logiikkaan liittyy aikakriittisiä USAR-tilanteita.

Infrapunavalonäkymä

Laivan kannen infrapunakamera on vaatimaton, ja se toimii 32×32 pikselin resoluutiolla ja 90 asteen näkökentällä. Kuvat, kun ne laukaistaan, lähetetään mediaanin häikäisytössuodattimelle.

Järjestelmä saavuttaa 87 %:n onnistumisprosentin ihmisten erottamisessa muista lämpömerkkien tyypeistä, ja se nousee 90 %:iin, kun se on 0,5 m ja 1,5 m:n etäisyydellä.

Energian ja piirin koon rajoitusten vuoksi alkuperäinen tutkimus ei sisällä laivan kannen sijaintijärjestelmää, eikä siten ole mahdollista seurata torakan sijaintia reaaliajassa. Tutkijat ehdottavat, että “dead reckoning” voisi toteutua energiansäästönä, jossa matalaenergiaiset sijaintimerkit lähetetään takaisin tukikohtaan tulevissa toteutuksissa.

Hyönteiset etsintä- ja pelastusoperaattoreina

Viime vuosikymmen on tuonut mukanaan tutkimushankkeita, joissa pyritään hyödyntämään hyönteisten kestävyyttä ja navigointikykyä luomaan hybridi- tai puhtaasti robottiin perustuvia etsintä- ja pelastusjärjestelmiä. 2016 kovakuoriaiseen liittyvän työn lisäksi, joka edelsi tätä uutta aloitetta, on ollut useita yrityksiä luoda hyönteisten kaltaisia robottiin perustuvia järjestelmiä.

Näihin lukeutuvat esimerkiksi 2019 tutkimushanke UoC:sta, jossa tarjottiin ergonomisesti yksinkertaista robottia, joka perustui torakkaan, ja se oli yksi ensimmäisistä hankkeista, jotka käsitelivät robottiin perustuvien hyönteisten äärimmäistä haurautta.