GPS не работает, камера в грязи. Ученые предложили «животную» навигацию для роботов. Она опирается на «мозг муравья» и «компас птицы»

Учёные предложили необычную систему навигации для роботов, подсмотрев идеи у животных. Вместо того чтобы полагаться только на GPS и камеры, исследователи вдохновились тем, как в мире ориентируются муравьи, птицы и грызуны. Такая биоподобная навигация может пригодиться там, где спутниковый сигнал нестабилен или недоступен, например в завалах, пещерах, на других планетах или на дне океана.

Сегодняшние альтернативы GPS выглядят далеко не идеальными. Камеры и датчики легко ослепляются пылью, дымом или темнотой, линзы покрываются грязью, сенсоры могут повредиться. При этом животные прекрасно справляются с хаотичной и непредсказуемой средой. Муравьи находят путь к муравейнику в жаркой пустыне, птицы пересекают континенты, а крысы уверенно бегают по сложным лабиринтам. Логичный вывод: если машины будут использовать несколько таких принципов одновременно, они станут гораздо надёжнее.

Ключевая идея системы в том, что у робота не должно быть одного единственного критичного канала навигации. Вместо этого предлагается сразу три частично перекрывающихся механизма. Если один временно перестаёт работать, два других подстраховывают. В биологии это называют дегенерацией: несколько чуть отличающихся систем выполняют схожую задачу и тем самым повышают шансы на выживание.

Первый элемент исследователи позаимствовали у муравьёв. Эти насекомые умеют считать шаги и отслеживать направление движения, чтобы понимать, где они находятся относительно гнезда, даже без видимых ориентиров. Команда реализовала похожий принцип в виде спайкового нейронного сетевого чипа. Это особый тип вычислительного устройства, работающего по мотивам нейронов мозга и потребляющего очень мало энергии. Для робота такой модуль играет роль сверхнадёжного внутреннего шагомера, который продолжает адекватно оценивать пройденный путь, даже если наружные датчики шумят или дают неполную картину.

Вторая часть навигации вдохновлена мигрирующими птицами. Птицы не полагаются на один сигнал, а комбинируют сразу несколько подсказок: ощущают магнитное поле Земли, используют положение Солнца, видят рисунок поляризованного света в небе и запоминают ландшафт. Исследователи предлагают дать роботам аналогичный набор. За направление магнитного поля отвечает квантовый магнитометр, за картину небосвода специальный датчик поляризации, плюс обычная камера для работы с визуальными ориентирами. Все эти сигналы объединяются с помощью байесовского фильтра, который динамически оценивает, каким данным в текущий момент можно доверять больше. Если, например, камера неожиданно выходит из строя, навигация не рушится, а просто сильнее опирается на магнитный и поляризационный каналы.

Третья опора системы заимствована у грызунов. У крыс в гиппокампе формируются так называемые когнитивные карты, то есть внутренняя схема пространства. Важно, что мозг не перерисовывает эту карту каждую секунду. Она обновляется только тогда, когда в окружении происходит что-то действительно значимое. Роботическая версия этого подхода работает похожим образом: машина строит карту местности только при обнаружении важных ориентиров, а не беспрерывно. Это позволяет экономить энергию, снижает нагрузку на процессор и делает поведение устойчивее в захламлённых и меняющихся пространствах. Такой подход заметно эффективнее классического SLAM, где система постоянно пересчитывает карту и своё положение, расходуя много вычислительных ресурсов.

Пока всё это остаётся теоретической концепцией, но потенциал у неё большой. Авторы работы считают, что подобные навигационные системы помогут роботам искать людей в обрушенных зданиях, работать в шахтах и туннелях, исследовать другие планеты или дно океана, а также инспектировать промышленные объекты, где темно, пыльно и легко повредить технику. Главное достоинство подхода в том, что робот постепенно перестаёт быть «капризным» устройством, зависящим от одного слабого места, и получает более животноподобную, устойчивую и автономную навигацию без постоянного контроля человека.

Дальнейшее развитие проекта связано с обучением самой навигационной схемы. Сейчас нейронные веса в системе в основном задаются заранее. В живом мозге всё иначе: нервные связи постоянно укрепляются или ослабевают, подстраиваясь под опыт. Исследователи хотят перенести эту идею в железо и рассматривают, в частности, использование мемристивных синопсов, которые позволяют напрямую реализовать механизм синаптической пластичности на чипе. Параллельно команда собирается научить систему уверенно работать с картами километрового масштаба и включать в набор приёмов ещё больше поведенческих стратегий, подсмотренных у разных животных.

Результаты работы подробно описаны в статье, опубликованной в журнале Cell, а сами авторы подчёркивают, что мы только в начале пути к роботам, которые ориентируются в мире не хуже живых существ.