AI를 탑재한 바퀴벌레를 이용한 탐색 및 구조 시스템

국제 로봇 연구자들은 도시 탐색 및 구조(USAR) 시스템을 개발했으며, 이 시스템은 ‘조종 가능한’ 살아있는 바퀴벌레를 이용하여 소형화된 기계 학습 기반의 적외선 생존자 탐지 시스템을 불가항력적인 재해 시나리오를 통해 운반합니다.

이 시스템은 싱가포르, 중국, 독일, 영국의 연구 부서 간의 협력으로 개발되었으며, 마다가스카르 바퀴벌레를 차량으로 사용하며, 수 시간 동안 작동할 수 있는 충분한 전력을 가지고 있습니다.

출처: https://arxiv.org/abs/2105.10869

이 하이브리드 구조 시스템은 인간을 감지하는 기계 학습 모델을 사용하며, 이 모델은 적외선(IR) 이미지로 훈련되었으며, 이동식 IR 탐지 시스템을 구동하며, 필요에 따라 자율적으로 작동할 수 있으며, 발견된 생존자를 기본 운영 센터에 실시간으로 보고합니다.

제한된 지역 자원

기계 학습 프레임워크는 매우 얇은 자원에서 작동해야 합니다. 기기의 일반 전력 요구 사항에서 시스템에는 191.8kB의 정적 RAM과 1988kB의 플래시 메모리가 남아 있습니다.

바퀴벌레의 백팩의 세 가지 기능 블록은 위의 그림과 같이 무선 자극, 기본 컨트롤 유닛 및 周辺 구성 요소로 구성되며, IR 유도 기계 학습 시스템과 내비게이션 기능이 기본 컨트롤 유닛에 내장되어 있습니다. 회로를 여러 구성 요소로 분할하여 바퀴벌레의 기하학적 구조에 더 잘 맞추기 위해 회로를 분할했습니다.

마다가스카르 바퀴벌레(세계에서 가장 큰 종 중 하나로, 최대 15g의 적재 용량을 가지고 있음)는 작은 전기 충격으로 방향을 제어하며, 이는 cerci와 배에 삽입된 4개의 전극으로 구현되며, 비즈왁스로 고정됩니다.

곤충 구조 시스템에 AI 추가

이 새로운 이니셔티브는 UC 버클리와 싱가포르 난양 기술 대학의 이전 연구를 발전시킨 것으로, 이는 처음으로 USAR 시나리오에서 조종 가능한 비틀기를 사용하는 것을 생각해 냈습니다.

2016년 비틀기 비행 경로 제어 연구. 출처: https://www.youtube.com/watch?v=iljHXpE4LG8

비틀기는 비행 능력이 있지만, 적재 용량이 감소하며, 탑재 기술의 잠재적 능력이 낮아지며, 특히 기계 학습 알고리즘을 실행해야 하는 경우에 전력 소비 요구 사항이 임계 수준에 도달합니다.

신규 이니셔티브의 탑재 자율 인간 인식 시스템은 이미지 분류 모델을 사용하며, 이는 지원 벡터 머신(SVM)과 방향 그라디언트의 히스토그램을 사용합니다.

바퀴벌레의 운동은 내장된 내비게이션 시스템에 의해 방향 지시되며, ‘바이오봇’을 미리 정의된 목적지로 안내하며, 그 사이의 장애물에 대한 지식이 필요하지 않습니다. 대부분의 경우, 바퀴벌레의 뛰어난 내비게이션 능력이 도달할 수 없는 위치에 도달하는 대부분의 문제를 해결합니다.

출처: https://arxiv.org/abs/2105.10869

탑재된 적외선 시스템은 1hz로 이미지를 캡처하며, 어두운 지역에서 성공적으로 작동하며, 발견된 생존자를 실시간으로 명령 센터에 무선으로 보고합니다. 에너지를 절약하기 위해 이미지 분석 시스템은 적외선 판독이 양성일 때만 작동을 시작합니다.

모델은 18.3kB의 플래시 메모리와 52.2kB의 정적 RAM을 차지하며, 95 밀리초의 계산 시간을 달성합니다. 합리적인 처리 시간은 USAR 시나리오에서 필수적입니다. 왜냐하면 바퀴벌레가 방향을 변경하고 지형을 통과하는 동안 처리 간격에서 멀리 있는 적외선 신호가 놓치지 않을 수 있기 때문입니다.

시스템에는 구조 시도를 위한 온도, 습도 및 이산화탄소를 모니터링하기 위한 센서도 포함되어 있으며, 이를 통해 제어 센터가 생존자를 구조하고, 생존자가 위험에 처하지 않도록 바퀴벌레를 안내할 수 있습니다.

시뮬레이션 지형에서 테스트

시스템은 시뮬레이션된 재해 시나리오(위의 그림)에서 테스트되었으며, 장애물 통행이 효과적으로 이루어졌으며, 특히陡한 오르막과 같은 특정한 도전적인 구성에서 예외적으로 바퀴벌레가 장비로 인해 중량 불이익을 가지고 있기 때문에 그렇습니다.

내비게이션 아키텍처는 처음에 압도적인 장애물에서 막히는 경향이 있었으며, 연구자들은 이후 장애물에 대한 성능을 개선하기 위해 예측 피드백 내비게이션 시스템을 개발했습니다. 시스템은 장애물이 없거나 낮은 장애물이 있는 환경에서 100%의 성공률을 달성했으며, 높은 장애물에서도 더 높은 성공률을 달성했습니다.

실패가 발생한 경우, 연구자들은 실험 기간을 연장하여 이를 보충할 수 있다고 결론지었습니다. 그러나 이는 시간 крит적인 USAR 시나리오에서 논리적으로 의미가 있습니다.

적외선 보기

탑재된 적외선 카메라는 32×32 픽셀의 조잡한 사양으로 90도 필드 오브 뷰를 가지고 있으며, 트리거된 경우 이미지는 중간 소음 필터를 통해 전달됩니다.

시스템은 인간 주체를 다른 유형의 열 신호와 구별하는 데 87%의 성공률을 달성하며, 0.5m 및 1.5m의 근접 반경에서 90%의 성공률을 달성합니다.

에너지 및 칩 크기 제한으로 인해 초기 연구에는 실시간으로 바퀴벌레의 위치를 추적할 수 있는 탑재된 위치 시스템이 포함되어 있지 않습니다. 연구자들은 미래의 구현에서 에너지 절약 솔루션으로 죽은 추론을 구현할 수 있다고 제안하며, 저전력 위치 신호를 제어 센터에 릴레이할 수 있습니다.

곤충 구조 시스템

過去 10年間には、昆虫の耐久性とナビゲーション能力を利用して、ハイブリッドまたは純粋なロボットシステムを作成することを目的とした研究プロジェクトが多数ありました。2016年のビートル関連研究に続いて、最新のイニシアチブが登場しました。

これらの研究プロジェクトには、2019年のUoCの研究プロジェクトが含まれており、コックローチの原理に基づいてシンプルなロボットを提供し、ロボット昆虫の極端な脆弱性に対処する最初のプロジェクトの1つでした。