デルフト工科大学、小型軽量ドローン向け自律ナビゲーションシステムを開発。生物からインスピレーションを獲得
デルフト工科大学マイクロ航空機ラボ（以下、MAVLab）の研究者らは、アリが視覚的に環境を認識し、歩数を数えて家に帰る方法にヒントを得て、小型軽量ロボット向けに昆虫にヒントを得たナビゲーション戦略を開発した
この革新的なアプローチにより、これらのドローンは最小限の計算とメモリ要件 （100メートルあたり1.16 kB）で長距離移動の後に家に帰ることができる。2024年7月17日にScience Roboticsで発表されたこの研究は、倉庫の在庫監視や産業用ガス漏れ検出などのアプリケーションに新たな可能性をもたらすという。
課題と革新
小型ドローンは、計算能力やメモリがほとんどない非常に小さなコンピュータプロセッサしか搭載できないため、自力で操縦するのは非常に困難だ
数十グラムから数百グラムの小型ドローンは、軽量で安全であり、狭い空間でも操縦できるため、実世界での応用にユニークな可能性をもたらすという。しかし、サイズが小さいため、計算リソースとメモリリソースが制限され、自律ナビゲーションが複雑になる。
従来の自律ナビゲーションシステムは、小型ドローンには適さない、重くて電力を大量に消費するセンサーや、GPSや無線ビーコンなどの外部インフラストラクチャに依存している。GPSは雑然とした環境では不正確になることが多く、屋内では使用できず、ビーコンの維持にはコストがかかったり、非現実的だ。
このため今回、自然界からインスピレーションを得ている。昆虫は、非常に限られたセンサーやコンピューティングリソースを使用しながら、多くの現実世界のアプリケーションに関係する可能性のある距離で活動するため、特に興味深いという。
生物にヒントを得たナビゲーション戦略
生物学者は、昆虫が使用する基本的な戦略について理解を深めている。具体的には、昆虫は、低解像度だがほぼ全方向の視覚システム (「視覚記憶」と呼ばれる) に基づく視覚誘導行動と、自身の動きの追跡 (「オドメトリ」と呼ばれる) を組み合わせている。
オドメトリはニューロンレベルまで理解が深まっているが、視覚記憶の基盤となる正確なメカニズムはまだ十分に理解されていない。そのため、昆虫がナビゲーションに視覚を使用する方法については、複数の競合する理論が存在する。
最も初期の理論の1つは、「スナップショット」モデルを提案している。このモデルでは、アリなどの昆虫が環境のスナップショットを時々作成すると提案されている。その後、スナップショットに近づくと、昆虫は現在の視覚知覚をスナップショットと比較し、違いを最小限に抑えるように移動できる。これにより、昆虫はスナップショットの場所に移動、つまり「ホーム」することができ、オドメトリのみを実行すると必然的に発生するドリフトがなくなるという。
研究の筆頭著者であるTom van Dijk氏は、次のように解説する。
スナップショットベースのナビゲーションは、ヘンゼルとグレーテルのおとぎ話でヘンゼルが迷子にならないようにする様子に例えることができます。ヘンゼルが地面に石を投げると、家に帰ることができました。私たちの場合、石がスナップショットです。 石と同様に、スナップショットが機能するには、ロボットがスナップショットの場所に十分近い必要があります。視覚的な周囲がスナップショットの場所と大きく異なると、ロボットは間違った方向に動いて二度と戻ってこなくなる可能性があります。したがって、十分なスナップショットを使用する必要があります。ヘンゼルの場合は、十分な数の石を落とす必要があります。一方、石を互いに近づけすぎると、ハンスの石がすぐに消耗してしまいます。ロボットの場合、スナップショットを使いすぎると、メモリの消費量が増えます。この分野の以前の研究では、通常、スナップショットが非常に近くに配置されていたため、ロボットは最初に1つのスナップショットに視覚的に戻り、次に次のスナップショットに移動できました。
この論文の共著者でもあるGuido de Croon教授は、次のようにコメントする。
私たちの戦略の根底にある主な洞察は、ロボットがオドメトリに基づいてスナップショット間を移動すれば、スナップショットの間隔をずっと広く取ることができるということです。 ロボットがスナップショットの場所に十分近づく限り、つまり、ロボットのオドメトリドリフトがスナップショットの捕捉エリア内に収まる限り、ホーミングは機能します。また、ロボットはオドメトリに基づいてスナップショットから次のスナップショットに飛行する場合よりも、スナップショットにホーミングするときの方がはるかに低速で飛行するため、ロボットははるかに遠くまで移動できます。
昆虫にヒントを得たこのナビゲーション戦略により、全方位カメラを搭載した重さ56グラムの「CrazyFlie」ドローンは、わずか1.16キロバイトで最大100メートルの距離を移動できる。すべての視覚処理は、「マイクロコントローラー」と呼ばれる小型コンピューターで行われ、多くの安価な電子機器に搭載されている。
ロボットが飛行した経路の1つをタイムラプス撮影した画像
技術を活用する
Guido de Croon教授：昆虫にヒントを得た提案されたナビゲーション戦略は、現実世界で小型自律ロボットを応用するための重要なステップです提案された戦略の機能は、最先端のナビゲーション方法が提供するものよりも制限されています。地図は生成されず、ロボットが出発点に戻ることしかできません。それでも、多くの用途ではこれで十分すぎるかもしれません。たとえば、倉庫での在庫追跡や温室での作物の監視では、ドローンが飛び立ち、データを収集してからベースステーションに戻ることができます。ミッションに関連する画像を小さなSDカードに保存し、サーバーで後処理することもできます。ただし、ナビゲーション自体には必要ありません。
デルフト工科大学
