Doğa, yeni robotlar ve hesaplama teknikleri geliştiren araştırmacılar için en değerli ilham kaynaklarından biri. Örneğin, son yıllarda, dünya çapındaki araştırma ekipleri böceklerde gözlenen davranışları ve onları küçük robotlarda destekleyen biyolojik mekanizmaları yapay olarak kopyalamaya çalıştılar.
En son denemelerden biri, Nevada Üniversitesi’nde, meyve sineklerinin ve diğer uçan böceklerin çevrelerinde hareket ederken göreceli hareketi tahmin ettikleri mekanizmadan esinlenen bir algoritma geliştiren bir grup araştırmacı tarafından gerçekleştirildi.
ArXiv’de önceden yayınlanan bir makalede sunulan bu algoritma,
Böceklerin mesafeyi nasıl tahmin ettiğini ve beyinlerinin görsel bilgileri nasıl işlediğini araştıran önceki iki çalışmaya dayanıyordu.

TechXplore’a yaptığı açıklamada, araştırmayı yürüten araştırmacılardan FlorisvanBreugel, “Projemiz iki ayrı ilgi alanından kaynaklandı.” Dedi.
“Öncelikle, hayvanların, özellikle böceklerin, görsel işleme sinirsel devrelerinin nasıl çalıştığı hakkında şu anda bilinen bilgileri temel alarak görsel bilgileri kullanarak uçuş hızlarını nasıl ölçebileceğine dair hipotezler sunmak istedik.
Uçuş hızının ölçülmesi birçok davranış için faydalıdır. İkincisi, otonom dronların hızı tahmin etmek için kullandıkları mevcut yöntemler ya GPS‘e (her zaman mevcut değildir) ya da hesaplamalı olarak pahalı algoritmalara (küçük sistemler için uçuş süresini sınırlar) dayanır. ”
Mesafe ve hız ölçüsü oranı
Araştırmacılar, bugüne kadar, küçük böceklerin çevrelerindeki nesnelerden ne kadar hızlı hareket ettiklerini ve ne kadar uzak olduklarını tahmin edebilecekleri kesin biyolojik mekanizmaları belirleyemediler. Bununla birlikte, bu mekanizmalar, böceklerin, örneğin; yiyecek bulma, uygun eşler bulma veya yumurta bırakmada hayatta kalmasına izin veren bir dizi davranışta önemli bir rol oynadığı görülmektedir.
Geçmişteki sinirbilim çalışmaları, böceklerin davranışlarına büyük ölçüde optik akış olarak bilinen hareket algıları tarafından yönlendirildiğini göstermektedir. Daha spesifik olarak, kanıtlar, böceklerin, göreceli hareket olarak bilinen ve hızlarının bir oranına ve onları çevrelerindeki nesnelerden ayıran mesafeye eşit olan tahmin etmek için optik akış bilgilerini kullandığını göstermektedir.
Van Breugel, “Görsel bilgilerden hızı tahmin etmek için bir görüntü dizisinin ikinci bir türevinin hesaplanmasını gerektirir.”
“Birinci türev, nesnelerin görüş alanında ne kadar hızlı hareket ettiğini açıklayan bir optik akış üretir. Optik akış, hem bu nesnelerin mesafesine, hem de hızlarındaki ve gözlemci hızlarındaki farka bağlıdır; mesafe ve hız ölçüsü oranı. ”
FLIVVER algoritmasının gerçek dünya görüntüleme verileri üzerindeki performansı.
Üst: Kameranın kırmızı bir işaretle etiketlenmiş düz bir iz boyunca hareketi.
Sol orta: kameradan RGB görüntüler.
Orta: Görüş açısı ile normalize edilen optik akışa eşit olan hız ve mesafe oranını tahmin eder.
Orta Sağ: Havai izleme sisteminden belirlenen FLIVVER hız tahminlerinin (macenta) ve yer gerçeği hız tahminlerinin karşılaştırılması.
Sol alttaki: Bir Intel RealSense derinlik kamerasından gerçek mesafe mesafesi ölçümleri.
Sağ alttaki: FLIVVER’in hız tahminleri ile optik akışı birleştirilerek hesaplanan derinlik tahminleri. Kredi bilgileri: Lingenfelter, Nag & van Breugel.
Görüntü dizilerinin ikinci türevi, göreceli hareket oranının bileşenlerine ayrılmasını mümkün kılan şeydir (yani, yakındaki nesnelerden hız ve mesafe). Bu değerin hesaplanması, bir robotun hızını ve engellerden ne kadar uzakta olduğunu tahmin etmesine izin vereceği için robotik araştırmaları için önemli sonuçlar doğurabilir. Ve bu da navigasyonunu artırabilir.
Küçük Uçan Robotların Hızını Otomatik ve Verimli Tahmin Edebilecek Teknik

Çalışmalarında, van Breugel ve meslektaşları, böceklerin görüntülere dayanan bu türev değerini hesaplamak için görsel bilgileri işleme yöntemlerini kopyalamaya çalıştılar. Nihai hedefleri, küçük bir uçan robotun görsel hızını ve yakındaki nesnelerden uzaklığını otomatik ve verimli bir şekilde tahmin edebilecek bir teknik yaratmaktı.
Van Breugel, “Algoritmamızın temel yeniliği, böceklerin görsel bilgileri nasıl işlediğinden ilham almasıdır.” Dedi. “Böcekler optik akış bilgisini mekansal olarak birleştirir. Esas olarak ortalamayı alarak, eşleşen filtreler olarak bilinenleri kullanırlar. Bunların hepsi paralel olarak çalışan çok çeşitli filtrelere sahiptir. Benzer bir yaklaşım izliyoruz ve filtreleme hesaplamayı mümkün kılıyor ikinci türev, doğrudan hız tahminine yol açar. ”
Bir robotun görsel bilgilere dayalı hızını tahmin etmek için daha önce önerilen yöntemlerde, kapsamlı hesaplama gücü gerektiren ve her zaman etkili çalışmayan doğrusal olmayan optimizasyon algoritmaları kullanılır.
Van Breugel ve meslektaşları tarafından geliştirilen algoritma FLIVVER da önemli hesaplama kaynakları gerektirse de, prensipte pasif analog devre bileşenleri kullanarak hızı hızlı ve verimli bir şekilde tahmin edebilir.
Bu bileşenler, tek başlarına izole edilebilir veya verimliliklerini daha da artırmak için diğer algoritmalarla birleştirilebilir.

Bu araştırmacılar ekibi tarafından sunulan yeni tekniğin birçok ilginç uygulaması olabilir. En önemlisi, hem mevcut hem de yeni geliştirilen uçan robotların navigasyon yeteneklerini geliştirmeye yardımcı olabilir.
Van Breugel ve meslektaşları tarafından yapılan çalışma, böceklerin hızı nasıl tahmin ettiklerine dair açık ve tanımlanmış bir hipotez ortaya koyuyor. Gelecekte, araştırmacılar bu hipotezi test eden çalışmalarda nörobilimcilerle işbirliği yapmayı umuyorlar. Bu da sonuçta böceklerin görsel bilgileri nasıl işlediğini ve çevrelerinde gezinmek için nasıl kullanıldığını anlayabilir.
Van Breugel, “Uzun vadeli umudumuz, bu yeni yaklaşımın, küçük insansız hava araçları için genel amaçlı hız tahmini için hesaplamalı olarak verimli bir yaklaşım sağlayacağıdır.” Dedi.
“Şu anda FLIVVER yalnızca düz ileri hareket için çalışıyor ve farklı ortam türleri için optimize edilmedi.
En acil planlarımız algoritmayı daha fazla hareket türü için genelleştirmenin yanı sıra parametre seçeneklerini optimize etme, eşleşen filtrelerin sayısı ve boyutu gibi yaklaşımları genelleştirmek.”
Hacer Sezgin