Un sistema de navegación inspirado en la naturaleza mejora la autonomía de los robots

Los robots podrían pronto completar misiones de búsqueda y rescate, inspecciones y operaciones de mantenimiento complejas de manera autónoma. Sin embargo, para lograrlo, deben navegar sin problemas en entornos desconocidos y complejos, evitando fallos que requieran intervención humana.

La mayoría de los sistemas de navegación autónoma dependen de sistemas de posicionamiento global (GPS), que pueden proporcionar información sobre la ubicación de un robot dentro de un mapa. Sin embargo, en muchos entornos, como cuevas, espacios no estructurados y edificios colapsados, los sistemas GPS no funcionan o son poco fiables.

Investigadores del Instituto de Tecnología de Beijing desarrollaron un nuevo sistema inspirado en la naturaleza que podría mejorar la navegación de los robots en entornos complejos y no estructurados, sin depender de la tecnología GPS. Su marco propuesto, que se detalla en un artículo que será publicado en Cell Press y que actualmente está disponible en el servidor de preimpresión SSRN, se inspira en tres estrategias biológicas de navegación observadas en insectos, aves y roedores.

"Nuestra investigación se inspiró en una brecha crítica que identificamos en el campo de la robótica bio-inspirada", comentó Sheikder Chandan, primer autor del artículo. "Si bien muchos estudios han aislado e implementado con éxito estrategias de navegación de animales individuales, como la integración de caminos de una hormiga o el mapeo cognitivo de una rata, este enfoque reduccionista pasa por alto un principio biológico fundamental conocido como 'degeneración'. En la naturaleza, la navegación robusta surge de la integración jerárquica de múltiples estrategias no idénticas, pero funcionalmente superpuestas."

En lugar de desarrollar un sistema inspirado en una sola estrategia de navegación observada en una categoría específica de animales, Chandan y sus colegas quisieron crear un marco neuromórfico unificado que tomara elementos de varias especies. Finalmente, lograron emular procesos biológicos que respaldan la navegación en insectos, aves y roedores.

"Nuestro objetivo fue sintetizar las estrategias más efectivas observadas en estas tres categorías de animales en un solo sistema, para abordar directamente las limitaciones centrales de la navegación convencional, como la fragilidad sensorial y el alto consumo de energía, particularmente en entornos desafiantes donde el GPS no está disponible", explicó Chandan.

El marco del equipo tiene tres componentes principales inspirados en la biología que apoyan colectivamente la navegación de un robot. Estos son un integrador de caminos inspirado en insectos, un sistema de fusión multisensorial inspirado en aves y un sistema de mapeo inspirado en roedores.

"Primero, el integrador de caminos inspirado en insectos, construido como una red neuronal de picos en hardware neuromórfico de bajo consumo, actúa como un contador interno robusto para el seguimiento egocéntrico", explicó Chandan. "El sistema de fusión multisensorial inspirado en aves imita cómo las aves migratorias utilizan múltiples señales, utilizando un filtro bayesiano para combinar dinámicamente entradas de un magnetómetro cuántico, una brújula de polarización y visión, para asegurar una dirección de rumbo confiable incluso si un sensor falla.

"Por último, un sistema de mapeo cognitivo inspirado en roedores crea una memoria espacial al actualizar el mapa solo al detectar hitos significativos, imitando la eficiencia energética del hipocampo del cerebro."

Para evaluar el potencial de su marco inspirado en la naturaleza, los investigadores llevaron a cabo extensas pruebas de campo utilizando 23 plataformas robóticas diferentes. Estas pruebas se realizaron en entornos complejos del mundo real, incluidos minas abandonadas y bosques densos.

"El sistema fue comparado con el SLAM convencional (Localización y Mapeo Simultáneos) y mostró una reducción del 41% en el desplazamiento posicional, hasta un 60% más de eficiencia energética, y pudo recuperarse de fallos de sensores un 83% más rápido", dijo Chandan. "Su ventaja única es la 'degeneración': cuando un componente se ve comprometido, los otros asumen sin problemas, proporcionando un nivel de tolerancia a fallos que los sistemas aislados carecen."

En pruebas de campo iniciales, la arquitectura desarrollada por este equipo de investigadores logró resultados notables, permitiendo que una amplia gama de robots navegaran con éxito en entornos difíciles y no estructurados.

"No solo mejoramos un solo algoritmo; creamos un nuevo paradigma a nivel de sistemas que es inherentemente más resistente", afirmó Chandan. "Cuantitativamente, esto resultó en ganancias significativas y simultáneas en precisión, eficiencia energética y robustez en diversas plataformas robóticas. Una demostración clave fue la rápida recuperación del sistema ante fallos de sensores; cuando la cámara principal fue deslumbrada, restableció la posición precisa en poco más de 3 segundos aprovechando sus otros subsistemas funcionales."

En el futuro, el marco desarrollado por Chandan y sus colegas podría mejorarse aún más y desplegarse en un número aún mayor de sistemas robóticos, permitiéndoles abordar de manera confiable y autónoma misiones en entornos impredecibles. Además, podría inspirar la creación de sistemas de navegación robótica similares que se basen en las estrategias de navegación empleadas por una variedad de animales.

"Este trabajo proporciona un plano formal para crear máquinas con verdadera 'fluidez ecológica', capaces de operar a largo plazo en entornos donde el fallo no es una opción", dijo Chandan. "Esto podría incluir aplicaciones en respuesta a desastres, como navegar en edificios colapsados, exploración planetaria en otros mundos y misiones en aguas profundas, donde el GPS convencional y la detección perfecta no están disponibles."

Los investigadores actualmente planean nuevos estudios destinados a superar algunas de las limitaciones observadas en su marco. Por ejemplo, les gustaría integrar el aprendizaje continuo en el chip para hacer que la navegación de los robots sea aún más realista y adaptable.

"Actualmente, los pesos neuronales de nuestro sistema están en gran medida preconfigurados, pero los sistemas biológicos aprenden y se adaptan continuamente a través de la plasticidad sináptica", agregó Chandan. "Planeamos explorar tecnologías emergentes como los sinapsis memristivos para incorporar esta capacidad directamente en el hardware.

"Además, buscamos escalar el sistema para entornos de kilómetros de escala, lo que requerirá desarrollar esquemas de organización de memoria más sofisticados para manejar mapas espaciales más grandes de manera eficiente. Nuestro objetivo final es crear robots que no solo imiten comportamientos aislados de animales, sino que encarnen el aprendizaje continuo y la escalabilidad de la inteligencia biológica."