Νέα εποχή για τα drones: πλοήγηση στο σκοτάδι με υπερήχους, εμπνευσμένη από τις νυχτερίδες

Ένα πρωτοποριακό βήμα στην τεχνητή αντίληψη κάνει η ερευνητική ομάδα του University of Michigan, εμπνευσμένη από τη φύση και συγκεκριμένα από τις νυχτερίδες. Για χιλιετίες, αυτά τα πλάσματα καταφέρνουν να κινούνται με ακρίβεια σε απόλυτο σκοτάδι, χρησιμοποιώντας έναν εντυπωσιακό βιολογικό μηχανισμό που ονομάζεται ηχοεντοπισμός. Τώρα, αυτή η φυσική ικανότητα γίνεται πηγή έμπνευσης για την ανάπτυξη τεχνολογίας που υπόσχεται να αλλάξει ριζικά τον τρόπο που τα ρομπότ και τα drones αντιλαμβάνονται και κινούνται στον χώρο.

Χάρη στη χρηματοδότηση από το US Army Research Office, οι ερευνητές δημιούργησαν ένα σύστημα που προσφέρει στα αυτόνομα ιπτάμενα μέσα έναν εναλλακτικό «αισθητηριακό» μηχανισμό, βασισμένο σε υπερήχους. Αυτό τους επιτρέπει να κινούνται και να χαρτογραφούν το περιβάλλον τους χωρίς την ανάγκη κάμερας, GPS ή laser. Η τεχνολογία αυτή προορίζεται κυρίως για αποστολές σε ακραίες συνθήκες, όπου η ορατότητα είναι μηδενική ή επικίνδυνα περιορισμένη.

Η αρχή λειτουργίας είναι φαινομενικά απλή αλλά τεχνολογικά εξαιρετικά προηγμένη. Το σύστημα εκπέμπει παλμούς ήχου υψηλής συχνότητας, παρόμοιους με αυτούς που χρησιμοποιούν οι νυχτερίδες ή τα δελφίνια, και στη συνέχεια αναλύει τα ηχητικά κύματα που επιστρέφουν μετά από πρόσκρουση σε εμπόδια. Σε αντίθεση με το φως, ο ήχος δεν επηρεάζεται από τον καπνό, τη σκόνη ή το σκοτάδι, καθιστώντας τη λύση ιδανική για συνθήκες όπως ερείπια σεισμών, εμπόλεμες ζώνες ή βιομηχανικά περιβάλλοντα γεμάτα αιωρούμενα σωματίδια.

Το επίκεντρο της καινοτομίας βρίσκεται σε ένα AI σύστημα, το οποίο βασίζεται σε πολλαπλά συνελικτικά νευρωνικά δίκτυα (convolutional neural networks - CNNs). Αντί για ένα ενιαίο σύστημα που καλείται να μάθει τα πάντα, οι ερευνητές εκπαίδευσαν εξειδικευμένα δίκτυα, το καθένα από τα οποία αναγνωρίζει το ηχητικό «αποτύπωμα» μιας συγκεκριμένης μορφής ή αντικειμένου. Αυτή η αρθρωτή προσέγγιση επιτρέπει την προσθήκη νέων αναγνωρίσεων χωρίς την ανάγκη πλήρους επανεκπαίδευσης της τεχνητής νοημοσύνης.

Ιδιαίτερα εντυπωσιακή είναι και η μέθοδος εκπαίδευσης του συστήματος. Αντί να βασιστούν σε πραγματικές δοκιμές, οι οποίες απαιτούν χρόνο και υψηλό κόστος, οι ερευνητές χρησιμοποίησαν αποκλειστικά εικονικά περιβάλλοντα. Δημιούργησαν χιλιάδες προσομοιώσεις ηχητικών ανακλάσεων σε τρισδιάστατους χώρους, προσθέτοντας τυχαίες παραμορφώσεις και «θόρυβο» υποβάθρου, ώστε να προετοιμάσουν τον αλγόριθμο για τις χαοτικές συνθήκες του πραγματικού κόσμου. Η χρήση συνθετικών δεδομένων επέτρεψε σημαντική επιτάχυνση της ανάπτυξης χωρίς θυσία στην ακρίβεια.

Στις πραγματικές δοκιμές, το σύστημα απέδειξε ότι μπορεί να αναγνωρίσει με επιτυχία διάφορα γεωμετρικά σχήματα μόνο από την ηχητική αντήχηση που λαμβάνει. Εντυπωσιακό είναι το γεγονός ότι πέτυχε να διακρίνει ακόμη και αντικείμενα με σχεδόν πανομοιότυπα ηχητικά «αποτυπώματα», μια πρόκληση που συνήθως προκαλεί σύγχυση σε παραδοσιακά μοντέλα αναγνώρισης.

Η προσέγγιση αυτή μπορεί να προσφέρει τεράστια πλεονεκτήματα σε επιχειρήσεις διάσωσης, στρατιωτικές αποστολές ή αυτοματοποιημένες βιομηχανικές διαδικασίες, όπου τα υπάρχοντα μέσα πλοήγησης συναντούν σοβαρούς περιορισμούς. Δίνει, επίσης, ελπίδες για την ανάπτυξη νέων μορφών ρομπότ, ικανών να επιχειρούν σε εντελώς σκοτεινά ή επικίνδυνα περιβάλλοντα χωρίς την ανάγκη παραδοσιακής όρασης.

[via]