개미에서 영감을 얻은 탐색 기술로 작은 자율 로봇 구현

모션 디자인 내부자

로봇이 비행한 경로 중 하나의 저속 촬영 이미지입니다. (이미지 :연구원)

곤충이 어떻게 자신의 집을 훨씬 넘어서 집으로 가는 길을 찾을 수 있는지 궁금한 적이 있습니까? 이 질문에 대한 답은 생물학뿐만 아니라 작은 자율 로봇을 위한 AI를 만드는 것과도 관련이 있습니다. TU 델프트(TU Delft) 드론 연구자들은 개미가 자신의 환경을 시각적으로 인식하고 이를 걸음 수 계산과 결합하여 집으로 안전하게 돌아가는 방법에 대한 생물학적 발견에서 영감을 받았습니다. 그들은 이러한 통찰력을 사용하여 작고 가벼운 로봇을 위한 자율 탐색 전략을 만들었습니다. 이 전략을 사용하면 이러한 로봇은 긴 궤적을 거친 후 집으로 돌아올 수 있으며 계산과 메모리가 거의 필요하지 않습니다(100m당 1.16kB). 미래에는 작은 자율 로봇이 창고의 재고 모니터링부터 산업 현장의 가스 누출 탐지까지 다양한 용도로 사용될 수 있습니다. 연구원들은 Science Robotics에 연구 결과를 발표했습니다. , 2024년 7월 17일.

수십에서 수백 그램에 이르는 작은 로봇은 많은 흥미로운 실제 응용 프로그램을 수행할 수 있는 잠재력을 가지고 있습니다. 무게가 가볍기 때문에 실수로 누군가와 부딪쳐도 매우 안전합니다. 크기가 작기 때문에 좁은 지역을 탐색할 수 있습니다. 그리고 저렴하게 만들 수 있다면 대량으로 배치하여 조기 해충이나 질병 탐지를 위한 온실과 같이 넓은 지역을 신속하게 처리할 수 있습니다. 하지만 이렇게 작은 로봇을 스스로 작동하게 만드는 것은 큰 로봇에 비해 자원이 극도로 제한되어 있기 때문에 어렵습니다.

소형 로봇을 사용하는 데 있어 가장 큰 장애물은 실제 응용 프로그램의 경우 외부 인프라의 도움을 받아 스스로 탐색할 수 있어야 한다는 것입니다. 실외 GPS 위성이나 실내 무선 통신 비컨을 통해 위치 추정을 사용할 수 있습니다. GPS는 실외에서만 사용할 수 있으며 도시 협곡과 같이 복잡한 환경에서는 정확도가 매우 떨어질 수 있습니다. 그리고 실내 공간에 비콘을 설치하고 유지하는 것은 비용이 많이 들거나 수색 및 구조 시나리오와 같이 전혀 불가능합니다.

탑재된 자원만으로 자율주행에 필요한 AI는 자율주행차 등 대형 로봇을 염두에 두고 개발됐다. 이러한 접근 방식 중 일부는 소형 로봇으로 운반하거나 구동할 수 없는 LiDAR와 같이 무겁고 전력 소모가 많은 센서에 의존합니다. 다른 접근 방식은 일반적으로 환경에 대한 매우 상세한 3D 맵을 생성하려고 시도하는 비전 센서를 사용합니다. 그러나 이를 위해서는 많은 양의 처리 및 메모리가 필요하며 이는 작은 로봇에 비해 너무 크고 전력을 많이 소모하는 컴퓨터에서만 제공할 수 있습니다.

이것이 일부 연구자들이 영감을 얻기 위해 자연으로 눈을 돌리는 이유입니다. 곤충은 매우 부족한 감지 및 컴퓨팅 리소스를 사용하면서 많은 실제 응용 프로그램과 관련된 거리에서 작동하기 때문에 특히 흥미롭습니다. 곤충은 저해상도이지만 거의 전방향인 시각 시스템(보기 메모리)을 기반으로 시각적으로 안내되는 행동과 자신의 움직임을 추적하는 기능(주행 거리 측정법)을 결합합니다.

주행 거리 측정은 신경 수준까지 점점 더 잘 이해되고 있는 반면, 뷰 메모리의 기본 메커니즘은 잘 이해되지 않습니다. 따라서 곤충이 탐색을 위해 시각을 사용하는 방법에 대한 여러 경쟁 이론이 존재합니다. 초기 이론 중 하나는 개미와 같은 곤충이 때때로 주변 환경의 스냅샷을 만드는 "스냅샷" 모델을 제안합니다. 나중에 스냅샷의 위치에 가까이 도착하면 현재의 시각적 인식을 스냅샷과 비교하고 차이를 최소화하기 위해 이동할 수 있습니다. 이를 통해 곤충은 스냅샷 위치로 이동하거나 '집'으로 이동하여 주행 거리 측정만 수행할 때 필연적으로 발생하는 드리프트를 제거할 수 있습니다.

"스냅샷 기반 내비게이션은 헨젤과 그레텔 동화에서 헨젤이 길을 잃지 않으려고 노력한 방식과 비교할 수 있습니다. 헨젤이 땅에 돌을 던지면 집으로 돌아갈 수 있었지만 새들이 먹은 빵가루를 던지면 길을 잃었습니다. 우리의 경우 돌이 스냅샷입니다."라고 연구의 제1저자인 톰 반 다이크(Tom van Dijk)는 말했습니다. "돌과 마찬가지로 스냅샷이 작동하려면 로봇이 스냅샷 위치에 충분히 가까워야 합니다. 시각적 환경이 스냅샷 위치와 너무 다르면 로봇이 잘못된 방향으로 이동하고 다시 돌아오지 못할 수 있습니다. 따라서 충분한 스냅샷을 사용해야 합니다. 또는 Hansel의 경우 충분한 수의 돌을 떨어뜨려야 합니다. 반면에 돌을 서로 너무 가깝게 떨어뜨리면 Hansel의 돌이 너무 빨리 고갈됩니다. 로봇의 경우 너무 많은 스냅샷을 사용하면 큰 결과가 발생합니다. 이 분야의 이전 작업에서는 일반적으로 스냅샷이 서로 매우 가깝기 때문에 로봇이 먼저 시각적으로 하나의 스냅샷을 찾은 다음 다음 스냅샷을 찾을 수 있었습니다.”

해당 기사의 공동 저자인 Guido de Croon 교수는 "우리 전략의 기본 통찰력은 로봇이 주행 거리 측정을 기반으로 스냅샷 사이를 이동하는 경우 스냅샷의 간격을 훨씬 더 멀리 둘 수 있다는 것입니다."라고 말했습니다. "호밍은 로봇이 스냅샷 위치에 충분히 가깝게 끝나는 한, 즉 로봇의 주행 거리 측정 드리프트가 스냅샷의 집수 영역 내에 속하는 한 작동합니다. 이를 통해 로봇은 훨씬 더 멀리 이동할 수도 있습니다."

제안된 곤충에서 영감을 받은 탐색 전략을 통해 전방향 카메라가 장착된 56그램 Crazyflie 드론이 단 1.16kB로 최대 100미터의 거리를 커버할 수 있었습니다. 모든 시각적 처리는 작은 마이크로 컨트롤러에서 이루어졌습니다.

드 크룬은 “제안된 곤충에서 영감을 받은 탐색 전략은 작은 자율 로봇을 현실 세계에 적용하는 중요한 단계입니다.”라고 말했습니다. "제안된 전략의 기능은 최첨단 내비게이션 방법이 제공하는 것보다 더 제한적입니다. 지도를 생성하지 않고 로봇이 시작점으로 돌아갈 수만 있도록 허용합니다. 그래도 많은 응용 분야에서는 이것만으로도 충분할 수 있습니다. 예를 들어 창고의 재고 추적이나 온실의 작물 모니터링을 위해 드론은 날아가서 데이터를 수집한 다음 기지국으로 돌아올 수 있습니다. 서버에서 후처리하기 위해 임무 관련 이미지를 소형 SD 카드에 저장할 수 있습니다."

출처