FLIVVER: un algoritmo inspirado en insectos para estimar la velocidad de los robots voladores

 

FLIVVER: un algoritmo inspirado en insectos para estimar la velocidad de los robots voladores
Imagen de una mosca de la fruta, que fue la inspiración principal para el algoritmo de los investigadores. Crédito: Lingenfelter, Nag y van Breugel.

La naturaleza es una de las fuentes de inspiración más valiosas para los investigadores que desarrollan nuevos robots y técnicas computacionales. Por ejemplo, en los últimos años, los equipos de investigación de todo el mundo han intentado replicar artificialmente los comportamientos observados en los insectos y los mecanismos biológicos que los sustentan en pequeños robots.

Uno de los últimos intentos fue realizado por un grupo de investigadores de la Universidad de Nevada, quienes desarrollaron un algoritmo inspirado en el mecanismo a través del cual las moscas de la fruta y otros insectos voladores estiman el movimiento relativo mientras se mueven en su entorno. Este algoritmo, introducido en un artículo publicado previamente en arXiv, se basó en dos estudios previos que exploraron cómo los insectos estiman la distancia y cómo sus cerebros procesan la información visual.

«Nuestro proyecto surgió de dos intereses distintos», dijo a TechXplore Floris van Breugel, uno de los investigadores que realizó el estudio. «En primer lugar, queríamos presentar hipótesis sobre cómo los animales, los insectos en particular, podrían medir su velocidad de vuelo utilizando información visual basada en lo que se sabe actualmente sobre cómo funcionan sus circuitos neuronales de procesamiento visual. Una medición de la velocidad de vuelo es útil para muchos comportamientos, incluido el seguimiento de una columna de olor. En segundo lugar, los métodos actuales que utilizan los drones autónomos para estimar la velocidad dependen del GPS (que no siempre está disponible) o de algoritmos computacionalmente caros (que limitan el tiempo de vuelo para sistemas pequeños) «.

Hasta el día de hoy, los investigadores no han podido determinar los mecanismos biológicos exactos a través de los cuales los pequeños insectos pueden estimar qué tan rápido se están moviendo y qué tan lejos están de los objetos que los rodean. No obstante, estos mecanismos parecen desempeñar un papel clave en una serie de comportamientos que permiten que los insectos sobrevivan, por ejemplo, en la búsqueda de alimentos, la búsqueda de compañeros adecuados o la puesta de huevos.

Los estudios anteriores de neurociencia sugieren que el comportamiento de los insectos se guía en gran medida por su percepción del movimiento, conocida como flujo óptico. Más específicamente, la evidencia sugiere que los insectos usan la información del flujo óptico para estimar lo que se conoce como movimiento relativo, que es igual a una relación de su velocidad y la distancia que los separa de los objetos en su entorno.

«Calcular la velocidad a partir de la información visual requiere calcular una segunda derivada de una secuencia de imágenes», explicó van Breugel. «La primera derivada produce un flujo óptico, que describe qué tan rápido se mueven los objetos en el campo de visión. El flujo óptico depende tanto de la distancia de estos objetos como de la diferencia en su velocidad y la velocidad de los observadores; por lo tanto, solo proporciona un relación de la medida de distancia y velocidad «.

Rendimiento del algoritmo FLIVVER en datos de imágenes del mundo real. Arriba: movimiento de la cámara a lo largo de una pista recta, marcada con un marcador rojo. Centro izquierda: imágenes RGB de la cámara. Medio: Estimaciones de la relación de velocidad y distancia, que es igual al flujo óptico normalizado por el ángulo de visión. Centro derecha: Comparación de las estimaciones de velocidad de FLIVVER (magenta) y las estimaciones de velocidad de verdad del terreno determinadas a partir de un sistema de seguimiento aéreo. Abajo a la izquierda: mediciones de la distancia de verdad real desde una cámara de profundidad Intel RealSense. Abajo a la derecha: Estimaciones de profundidad calculadas combinando las estimaciones de velocidad de FLIVVER y el flujo óptico. 

La segunda derivada de las secuencias de imágenes es lo que finalmente permite la separación de la relación de movimiento relativo en sus componentes (es decir, la velocidad y la distancia de los objetos cercanos). Calcular este valor podría tener implicaciones importantes para la investigación de robótica, ya que permitiría a un robot estimar su velocidad y qué tan lejos está de los obstáculos, lo que a su vez podría mejorar su navegación.

En su estudio, van Breugel y sus colegas trataron de replicar la forma en que los insectos procesan la información visual para calcular este valor derivado basado en imágenes. Su objetivo final era crear una técnica que pudiera estimar de manera automática y eficiente la velocidad visual de un pequeño robot volador y su distancia de los objetos cercanos.

«La innovación clave de nuestro algoritmo es que se inspira en cómo los insectos procesan la información visual», dijo van Breugel. «Los insectos agrupan la información del flujo óptico espacialmente, esencialmente tomando el promedio, usando lo que se conoce como filtros coincidentes. Tienen una amplia gama de filtros de este tipo, todos los cuales funcionan en paralelo. Tomamos un enfoque similar, y el filtrado hace posible calcular la segunda derivada, que conduce a una estimación de velocidad directa «.

La mayoría de los métodos propuestos anteriormente para estimar la velocidad de un robot en base a información visual emplean algoritmos de optimización no lineal, que requieren una gran potencia de cálculo y no siempre funcionan de manera efectiva. Mientras que FLIVVER, el algoritmo ideado por van Breugel y sus colegas también requiere importantes recursos computacionales, en principio puede estimar la velocidad de manera rápida y eficiente utilizando componentes de circuitos analógicos pasivos. Estos componentes pueden usarse de forma aislada o combinados con otros algoritmos para mejorar aún más su eficiencia.

La nueva técnica introducida por este equipo de investigadores podría tener numerosas aplicaciones interesantes. En particular, podría ayudar a mejorar las capacidades de navegación de los robots voladores existentes y de nuevo desarrollo.

El estudio realizado por van Breugel y sus colegas también presenta una hipótesis clara y definida de cómo los insectos estiman la velocidad. En el futuro, los investigadores esperan colaborar con neurocientíficos en estudios que prueben esta hipótesis, lo que en última instancia podría mejorar la comprensión actual de cómo los insectos procesan la información visual y la utilizan para navegar por su entorno.

«Nuestra esperanza a largo plazo es que este nuevo enfoque proporcione un enfoque computacionalmente eficiente para la estimación de velocidad de propósito general para pequeños drones», dijo van Breugel. «Actualmente, FLIVVER solo funciona para el movimiento directo y no ha sido optimizado para diferentes tipos de entornos. Nuestros planes más inmediatos son generalizar el algoritmo para más tipos de movimiento, así como enfoques para optimizar las opciones de parámetros, como el número y el tamaño de los filtros coincidentes «.


Más información:
FLIVVER: Fly lobula inspiró la estimación y el rango de la velocidad visual.

Leave a Comment!