ICTPRESS - پژوهشگران با الهام از رفتار مورچه‌ها، پرندگان مهاجر و موش‌ها، سامانه‌ای تازه برای ناوبری ربات‌ها طراحی کرده‌اند که بدون نیاز به جی‌پی‌اس عمل می‌کند.

به گزارش شبکه خبری ICTPRESS به نقل از اینترستینگ‌انجینیرینگ، پژوهشگران یک سیستم ناوبری جدید طراحی کرده‌اند که عملکرد آن از شیوه حرکت و جهت‌یابی برخی حیوانات از جمله مورچه‌ها، پرندگان مهاجر و جوندگان الهام گرفته است. این دستاورد می‌تواند به ربات‌ها کمک کند در محیط‌های دشوار و غیرقابل‌پیش‌بینی حرکت کنند؛ مکان‌هایی که در آن‌ها سامانه‌های معمول مانند جی‌پی‌اس یا حسگرهای بصری کارایی خود را از دست می‌دهند.

سیستم‌های ناوبری غیر مبتنی بر جی‌پی‌اس، همچون دوربین‌ها و حسگرهای محیطی، در محیط‌های کم‌دید دچار اختلال می‌شوند و ممکن است آسیب ببینند. اما جانورانی مثل مورچه‌ها طی میلیون‌ها سال تکامل، سازوکارهایی برای حرکت در زیست‌بوم‌های آشفته و بی‌ثبات پرورش داده‌اند.

پژوهشگران از این توانایی‌ها به‌عنوان الگوی یک سامانه پشتیبان استفاده کرده‌اند تا ربات‌ها چندین روش جهت‌یابی هم‌زمان در اختیار داشته باشند و در صورت از کار افتادن یک روش، سایر روش‌ها وظیفه را بر عهده بگیرند.در زیست‌شناسی به این رویکرد «واگرایی کارکردی» گفته می‌شود؛ یعنی چند سامانه متفاوت، کاری مشابه انجام می‌دهند تا بقا را تضمین کنند.

گام نخست: الهام از مورچه‌ها

مورچه‌ها با شمارش گام‌هایشان و تعیین جهت حرکت، می‌توانند موقعیت خود نسبت به لانه را پیدا کنند. پژوهشگران برای تقلید این توانایی، یک شبکه عصبی اسپایکینگ طراحی کرده‌اند نوعی سخت‌افزار کم‌مصرف شبیه سازوکار مغز که مانند یک گام‌شمار بسیار پایدار عمل می‌کند و حتی در شرایط نویزی نیز اطلاعات مسیر را حفظ می‌کند.

گام دوم: الگوگیری از پرندگان مهاجر

پرندگان مهاجر برای جهت‌یابی از چندین نشانه به‌طور هم‌زمان استفاده می‌کنند؛ از جمله میدان مغناطیسی زمین، نور قطبی‌شده آسمان، موقعیت خورشید و نشانه‌های بصری. پژوهشگران می‌گویند ربات‌ها نیز می‌توانند با ابزارهایی مانند:مگنتومتر کوانتومی (تشخیص جهت میدان مغناطیسی)، قطب‌نمای پلاریزاسیون (تشخیص الگوی نور قطبی‌شده)، دوربین محیطی و پردازش آن‌ها با یک فیلتر بیزی پویا همین توانایی را به‌دست آورند. اگر یکی از حسگرها از کار بیفتد، سایر حسگرها به‌طور خودکار جایگزین می‌شوند.

گام سوم: الگوبرداری از موش‌ها

موش‌ها با استفاده از ساختار هیپوکمپ، نقشه‌های شناختی از محیط می‌سازند و تنها زمانی این نقشه را به‌روزرسانی می‌کنند که نشانه‌ای مهم تغییر کند. نسخه رباتیکی این عملکرد با ساخت نقشه‌های محیطی فقط در هنگام مشاهده نشانه‌های کلیدی، موجب صرفه‌جویی انرژی و افزایش پایداری سیستم می‌شود.این سیستم هنوز در مرحله نظری است، اما می‌تواند در آینده برای مأموریت‌های حساسی مانند: عملیات نجات در ساختمان‌های فروریخته، کاوش‌گرهای فضایی، ربات‌های زیرآبی، بازرسی صنعتی در محیط‌های تاریک و پرگردوغبار به‌کار گرفته شود.

پژوهشگران می‌خواهند توانایی «یادگیری مداوم روی تراشه» را نیز به این سیستم اضافه کنند. گام‌های بعدی شامل توسعه نقشه‌های گسترده‌تر در مقیاس کیلومتری و بررسی سازوکارهای بیشتر الهام‌گرفته از جانوران است.این پژوهش در مجله Cell منتشر شده است.