文章專區

在自然界中，昆蟲為什麼能在離開家園、到了很遠的地方後仍找得到回家的道路？這個問題除了牽涉到生物學，其實也和人工智慧（artificial intelligence, AI），像是微型自主機器人（autonomous robot）有關。荷蘭臺夫特理工大學（Technische Universiteit Delft）的研究團隊觀察了螞蟻如何以視覺識別環境，並將環境線索與步數計算能力相結合，最終得以安全回家的策略。團隊以此基礎為啟發，替微型、輕型機器人建立了一種自主導航策略，研究結果於上（7）月發表於《科學－機器人學》（Science Robotics）期刊。

由於微型機器人的重量、體積皆相當輕巧，僅有約幾十克到幾百克，因此即使發生意外碰撞也相對安全，極具應用潛力。此外，也因為微型機器人的體積小，能夠在狹窄的區域靈活地前進，可應用的場域廣泛。未來若是能實現低成本生產，將有機會將微型機器人全面應用於大面積的工作場域中，例如在溫室內進行早期病蟲害檢測。儘管潛力龐大，但這些微型機器人在自主導航方面仍存在著挑戰，主要原因來自於它們體積小，身上可裝載的定位設備較有限。雖然目前的微型機器人可以利用全球定位系統（global positioning system, GPS）或室內無線通訊設備等外部基礎設施進行定位，但這些方法依舊有諸多侷限性。例如GPS無法在室內使用，且在城市、峽谷等複雜環境中的精準度也會大幅下降。在室內空間安裝可指引機器人到特定位置的信標（beacon）或許可以解決這類問題，但設置和維護信標的成本高昂，且難以應用於搜索救援等場景中。

目前， 能夠自主導航的AI主要是針對自動駕駛汽車（autonomous vehicles，簡稱自駕車）等大型機器人所設計，由光達（LiDAR）、雷達（radar）、測距儀等重型且高耗能的傳感器，感知外部的空間訊息，不過這些設備顯然無法被微型機器人攜帶或供電。其他的方式則包括透過視覺系統獲取豐富的環境訊息，但此方式通常需要大量的處理和儲存資源以建立高度詳細的環境3D地圖，這些運算資源對於微型機器人來說同樣難以負擔，因此有部分研究人員轉而從大自然尋找靈感。其中，昆蟲的活動距離與許多現實世界中相關應用的距離相似，且牠們所使用的感知和計算資源也相當有限，因此受到科學家關注。

生物學家深入理解昆蟲移動時使用的基本策略後，發現昆蟲在移動時會追蹤自己的運動（稱為里程計，odometry），並透過低解析度但幾乎為全方位視角的視覺系統（稱為視圖記憶，view memory）引導自身行為。現階段科學家對於里程計在神經層面上的理解較多，但對於視圖記憶背後的精確機制仍然不太了解。目前已有科學家提出「快照」（snapshot）模型試圖解釋視圖記憶，他們指出螞蟻等昆蟲會對身處的環境進行快照，並在行經路線接近快照畫面時，將目前的視覺感知與快照畫面進行比較，並移動路徑使視覺感知與快照畫面的差異最小，使得昆蟲能夠導航或「回家」到快照位置。

本次研究團隊開發出的微型機器人就是基於此原理。團隊表示，若要使快照發揮作用，機器人必須非常接近快照的位置。如果視覺環境與快照位置的差距太大，可能會使機器人朝著錯誤的方向移動，而且再也不會回來。此外，機器人還必須如同昆蟲的里程計一般，在快照的過程中追蹤自己的運動，增加每一張快照的拍攝距離。只要機器人與最終快照的位置距離近到一定程度，也就是機器人的里程計落在快照的覆蓋區域內，它便能成功找到回家的路。

受到昆蟲的導航策略啟發，團隊開發出一架重56公克、配備全方位攝影機的「CrazyFlie」無人機，它僅需要0.65 千位元組（kilobyte, KB）的儲存空間即可記錄長達100公尺的距離。在CrazyFlie中，所有的視覺處理都在微型電腦「微控制器」上進行，這種微型電腦也存在於許多廉價的電子設備中。

團隊表示，這項受昆蟲啟發的導航策略是實現微型自主機器人相關應用重要的一步。儘管目前這項策略能提供的功能相當有限——它不會產生地圖、只能輔助機器人返回起點。但對於許多應用而言或許已經足夠，例如倉庫的庫存追蹤或溫室中的作物監控，無人機只需要飛出去收集數據，而後返回基地臺。

這項研究為微型自主機器人的發展開闢了新的道路，隨著技術的進步，也期待未來能看見這些微型機器人在實際應用在各個場合中，為人類社會帶來更多便利和效率。

新聞來源
Dijk, T. et al. (2024). Visual route following for tiny autonomous robots.Science Robotics, 9, 92.