Connect with us

Artificiell intelligens

Forskare utvecklar bio-inspirerad teknik baserad på fladdermusöra

mm

Rolf Mueller, professor i maskinteknik vid Virginia Tech, har hämtat inspiration från fladdermöss för att designa och utveckla en ny bio-inspirerad teknik som kan bestämma ursprungsplatsen för ett ljud. Till skillnad från tidigare metoder, som ofta baseras på det mänskliga örat, tittade Mueller på en fladdermusöra för att få den första nya insikten i att identifiera ljudplatsen på 50 år. 

“Jag har länge beundrat fladdermöss för deras otroliga förmåga att navigera i komplexa naturliga miljöer med hjälp av ultraljud och misstänkte att den ovanliga rörligheten i djurets öron kanske hade något att göra med detta”, sa han. 

Mueller arbetade tillsammans med tidigare doktorand och huvudförfattare Xiaoyan Yin. Resultaten publicerades i Nature Machine Intelligence.

Fladdermusöra vs. mänskligt öra 

Fladdermöss använder ekolokalisering för att navigera när de flyger, och det möjliggör för dem att bestämma avståndet till ett föremål genom att lyssna på eko när de sänder ut ljud. Fladdermusens mun eller nos utsänder ultraljudssignaler, som studsar mot miljön och återvänder som eko. Kallat Dopplereffekten kan de också extrahera information från omgivande ljud.

Denna effekt skiljer sig när det gäller människor, med våra två öron som möjliggör för oss att hitta platsen genom ljuddata som skickas till hjärnan för bearbetning. Genom att ha två mottagare kan vi upptäcka riktningen på ljud när de innehåller endast en frekvens. 

1967 visade en upptäckt att ett enda mänskligt öra kan upptäcka ljudplatsen om det finns olika frekvenser. 

Det mänskliga örat har varit inspirationen för olika metoder för att upptäcka ljudplatsen i det förflutna, som har förlitat sig på tryckmottagare som mikrofoner och förmågan att samla in flera frekvenser. 

Mueller såg att det fanns större möjligheter med fladdermusöron, som är mycket mer flexibla än mänskliga öron. Hans team satte sig för att använda en enda frekvens och en enda mottagare istället för flera. 

https://www.youtube.com/watch?v=buFM5KkAnEo

Utveckling av tekniken

En av de första stegen var att återskapa fladdermusens förmåga att röra sina öron, vilket de gjorde genom att skapa ett mjukt syntetiskt öra fäst vid en sträng och en enkel motor. Detta system var synkroniserat med örat som fladdrade varje gång det mottog ett inkommande ljud. 

Fladdermössen som tjänade som inspiration för den nya tekniken har öron med en fullständig omvandling av ljudvågor, som baseras på formen på ytterörat. Denna del av fladdermusens öra använder öronrörelsen när den tar emot ljud för att skapa flera former för mottagning, med ljudet som kanaliseras in i hörselgången. 

En av de största utmaningarna som teamet stod inför var att extrahera läsbara och tolkningsbara data från de inkommande ljudvågorna. För att uppnå detta placerade de örat ovanför en mikrofon för att skapa en liknande mekanism som fladdermusen. 

På grund av de snabba rörelserna av det fladdrande ytterörat skapades Dopplerskiftsignaturer, och dessa relaterade till riktningen på ljudkällan. Men det var fortfarande inte lätt att tolka på grund av komplexa mönster. 

Teamet vände sig sedan till ett djupt neuronnät, och tränade det för att ge ljudkällans riktning för varje eko som mottogs. 

Systemet testades med örat monterat på en roterande rigg, som innehöll en laserpekare. En högtalare placerades sedan i olika riktningar relativt örat, och ljud sändes ut. 

Efter att ha bestämt ljudets riktning roterade kontrolldatorn systemet så att laserpekaren träffade ett mål på högtalaren, vilket resulterade i att platsen kunde preciseras inom en halv grad. Detta är imponerande när man jämför med tidigare resultat, som har visat att mänskliga öron vanligtvis bestämmer platsen inom 9 grader, och den senaste tekniken har endast kunnat precisera den inom 7,5 grader. 

“Förmågorna är helt bortom vad som för närvarande är inom räckhåll för tekniken, och ändå uppnås allt detta med mycket mindre ansträngning”, sa Mueller. “Vår förhoppning är att bringa tillförlitlig och kapabel autonomi till komplexa utomhusmiljöer, inklusive precisionsjordbruk och skogsbruk; miljöövervakning, såsom övervakning av biologisk mångfald; samt försvar och säkerhetsrelaterade tillämpningar.”

Alex McFarland är en AI-journalist och författare som utforskar de senaste utvecklingarna inom artificiell intelligens. Han har samarbetat med många AI-startups och publikationer över hela världen.