具有 AI 启用的搜索和救援设备的蟑螂

国际机器人研究人员开发了一种城市搜索和救援（USAR）系统，使用“可导向”的活蟑螂运输一个微型化的机器学习启用的红外生存者检测系统，通过其他不可导航的灾难场景。

该 系统 是新加坡、中国、德国和英国研究部门之间的合作。它使用马达加斯加蟑螂作为载体，并且有足够的电力运行数小时。

来源：https://arxiv.org/abs/2105.10869

该混合救援系统具有用于人体检测的机器学习模型，使用红外（IR）图像训练，并为移动红外检测系统提供动力，该系统可以根据需要自主运行，并将发现的幸存者报告回基站操作站。

有限的本地资源

机器学习框架需要在非常有限的资源上运行：只有 191.8kB 的静态 RAM 和 1988kB 的 Flash 内存可供系统使用，系统还必须为昆虫提供电刺激。

蟑螂背包的三个功能块，如上图所示，包括无线刺激、主控制单元和外围组件，红外衍生机器学习系统和导航功能嵌入到主控制单元中。电路被分成几个组件，以便更好地适应蟑螂的几何形状。

马达加斯加蟑螂（世界上最大的物种之一，最大载重量为 15g）由小电击控制，电击通过四个电极实现，电极植入到昆虫的触角（cerci）和腹部。电极用蜂蜡固定。

将 AI 添加到昆虫搜索和救援中

该新计划发展了加州大学伯克利分校和新加坡南洋理工大学的前期工作，他们首先提出使用 可导向的甲虫 在 USAR 场景中。

2016 年对控制甲虫飞行路径的研究。 来源：https://www.youtube.com/watch?v=iljHXpE4LG8

虽然甲虫具有飞行的附加能力，但其载重量会降低，从而降低了机载技术的潜在能力，并将电力消耗需求提高到临界水平，特别是在需要运行机器学习算法的情况下。

新计划中的机载自主人体识别系统使用支持向量机（SVM）和方向梯度直方图的图像分类模型。

蟑螂的运动由集成的导航系统控制，并引导“生物机器人”到预定目的地，而无需任何关于中间障碍的知识。蟑螂自己的强大导航能力通常可以解决到达不可达位置的绝大多数问题。

来源：https://arxiv.org/abs/2105.10869

机载红外系统每秒捕获 1 张图像，在黑暗区域中运行成功，并实时将任何发现的幸存者报告回指挥中心。为了节省能量，图像分析系统仅在触发正红外读数时开始运行。

该模型仅占用 18.3kB 的 Flash 内存和 52.2kB 的静态 RAM，实现了 95 毫秒的计算时间。在 USAR 场景中，合理的处理时间至关重要，因为随着蟑螂改变方向和穿越地形，远程红外信号可能会在处理间隔内被遗漏。

该系统还具有监测温度、湿度和 CO2 的传感器，以报告可能的救援尝试的本地条件，并允许控制中心将生物机器人从可能危及其安全的情况中引导开。

在模拟地形中测试

该系统在模拟灾难场景（上图）中进行了测试，除了某些特别具有挑战性的配置外，例如陡峭的攀爬，蟑螂由于附着的设备而处于重量劣势。

导航架构最初在令人望而生畏的障碍物面前容易卡住，例如即使蟑螂也无法继续前进的情况，研究人员随后开发了预测反馈导航系统以提高在高障碍物面前的性能。该系统在没有或只有低障碍物的环境中实现了 100% 的成功率，并在高障碍物中实现了更高的成功率。

在发生故障的情况下，研究人员得出结论，这可以通过增加实验的持续时间来缓解，尽管这在时间关键的 USAR 场景中有影响。

红外视图

机载红外摄像头具有适中的规格，运行在 32×32 像素和 90 度视野。图像在触发时通过中值去噪滤波器传递。

该系统在区分人体和其他类型的热信号方面实现了 87% 的成功率，当在 0.5m 和 1.5m 的半径内时，成功率提高到 90%。

由于能量和芯片尺寸的限制，最初的研究不具有机载定位系统，因此无法实时跟踪蟑螂的位置。研究人员建议，可以实现死算法作为节能解决方案，并将低能耗位置信号传回控制中心，在未来的实现中。

昆虫作为搜索和救援操作员

过去十年中，出现了一系列研究项目，旨在利用昆虫的坚韧性和导航能力来创建混合或纯机器人系统，用于搜索和救援场景。除了 2016 年的甲虫相关工作外，还有许多尝试在纯机器人形式中重现昆虫能力。

这些包括 2019 年来自 UoC 的研究项目，该项目提供了一个基于蟑螂原理的简单机器人，是第一批解决机器人昆虫极端脆弱性的项目之一。