1
1. Introduzione
Le scienze e la tecnologia sono state fin da bambina le mie passioni. Con il tempo questi interessi
sono cresciuti a tal punto che oggi il mio desiderio è quello di farne oggetto del mio lavoro futuro:
non c’è da stupirsi quindi che la scelta del testo della mia tesi sia ricaduta su un articolo di tipo
scientifico.
La robotica (e quindi anche questo articolo), al contrario, è stata per me una sfida, essendo un
settore di cui non conoscevo quasi niente e soprattutto essendo un campo in cui l’inglese ha
praticamente l’esclusiva nella comunicazione: esistono infatti ben poche pubblicazioni in lingua
italiana e la maggior parte di esse è di carattere poco tecnico e molto divulgativo; in questo caso
quindi il problema di base è stato la quasi tolale assenza di testi di riferimento appropriati, il che mi
ha condotto a fare scelte traduttive difficili di cui parlerò più avanti nel commento.
2
2. Testo di partenza e traduzione
A mobile robot employing insect strategies for
navigation
Dimitrios Lambrinos
a
, Ralf Möller
a,b,1
, Thomas Labhart,
Rolf Pfeifer and RüdigerWehner
a
AI Lab, Department of Computer Science, University of Zurich, Winterthurerstrasse 190, 8057 Zurich,
Switzerland b
b
Department of Zoology, University of Zurich, Winterthurerstrasse 190, 8057 Zurich, Switzerland
Abstract
The ability to navigate in a complex environment is crucial for both animals and robots. Many animals use a
combination of different strategies to return to significant locations in their environment. For example, the
desert ant Cataglyphis is able to explore its desert habitat for hundreds of meters while foraging and return
back to its nest precisely and on a straight line. The three main strategies that Cataglyphis is using to
accomplish this task are path integration, visual piloting and systematic search. In this study, we use a
synthetic methodology to gain additional insights into the navigation behavior of Cataglyphis. Inspired by
the insect’s navigation system we have developed mechanisms for path integration and visual piloting that
were successfully employed on the mobile robot Sahabot 2. One the one hand, the results obtained from
these experiments provide support for the underlying biological models. On the other hand, by taking the
parsimonious navigation strategies of insects as a guideline, computationally cheap navigation methods for
mobile robots are derived from the insights gained in the experiments.
Key words: insect navigation, robot navigation, polarization vision, path integration, visual landmark
navigation
1 Corresponding author. E-mail: [email protected], Tel: +41-1-63-56722, Fax: +41-1-63-56809
3
Un robot mobile che utilizza le strategie degli insetti per la
navigazione
Dimitrios Lambrinosa Ralf Möller
a, b,
2
Thomas Labhart
b
Rolf Pfeifer
a
and RüdigerWehner
b
a
AI Lab, Department of Computer Science, University of Zurich, Winterthurerstrasse 190,
8057 Zurich, Switzerland
b
Department of Zoology, University of Zurich, Winterthurerstrasse 190, 8057 Zurich,
Switzerland
Sommario
L’abilità di navigare in un ambiente complesso è cruciale sia per gli animali che per i robot. Molti
animali utilizzano una combinazione di differenti strategie per ritornare a luoghi significativi del loro
ambiente. Per esempio, la formica del deserto Cataglyphis è capace di esplorare il suo habitat desertico per
centinaia di metri in cerca di cibo e di tornare alla sua tana in modo preciso e in linea retta. Le tre strategie
principali che la Cataglyphis usa per portare a termine questo compito sono il path integration, il visual
piloting e la systematic search. In questo studio utilizzeremo una metodologia sintetica per ottenere una
migliore comprensione della navigazione delle Cataglyphis. Ispirandoci al sistema di navigazione degli
insetti, abbiamo sviluppato dei meccanismi di path integration e visual piloting utilizzati con successo sul
robot mobile Sahabot 2. Da un lato i risultati ottenuti da questi esperimenti forniscono un supporto ai modelli
biologici sottostanti, dall’altro, prendendo come guida le strategie di navigazione parsimoniose degli insetti,
sono stati concepiti dei metodi di navigazione per robot mobili computazionalmente a buon prezzo, derivanti
dall'esperienza fatta durante gli esperimenti.
Parole chiave: Navigazione degli insetti, navigazione dei robot, visione polarizzata, path integration,
visual landmark navigation
2
Corresponding author. E-mail: [email protected], Tel: +41-1-63-56722, Fax: +41-1-63-56809
4
1 Introduction
In recent years the idea of ”learning from nature” is rapidly spreading through a number of scientific
communities: computer science (artificial intelligence, artificial evolution, artificial life), engineering
(bionics), and robotics (biorobotics). The main goal is to exploit the impressive results achieved by the blind
but potent designer Evolution. Among the most awesome capabilities exhibited by natural systems are the
navigational skills of insects. Despite their diminutive brains, many insects accomplish impressive
navigation tasks. Desert ants Cataglyphis, for example, make foraging excursions that take them up to 200 m
away from their nest. On finding a suitable prey, they return home unfailingly and in a straight line [47] (see
figure 1).
Cataglyphis cannot use pheromones to retrace its trail in order to return back to its nest, since the
pheromones evaporate in a few seconds because of the high ground temperatures. More than two decades of
field work (for a review see [50]) have revealed many details about the behavioral repertoire and the
underlying mechanisms that Cataglyphis employs when homing. The three main strategies used are path
integration, visual piloting, and systematic search [52]. Whereas path integration based on compass
information gained from the polarization pattern of the sky is the primary navigation strategy of the ants,
geocentered information based on landmarks is also used in order to finally pinpoint the nest.
Fig. 1. A typical foraging trip of the Saharan ant Cataglyphis (inset). Starting at the nest (open circle),
the ant searches for food on a random course (thin line) until it finds a prey (position marked with the
large filled circle). The food is carried back to the nest on an almost straight course (thick line).
(Adapted from [56].)
5
1 Introduzione
In questi ultimi anni l’idea di “imparare dalla natura” si sta rapidamente diffondendo tra un discreto
numero di comunità scientifiche: informatica (intelligenza artificiale, evoluzione artificiale, vita artificiale),
ingegneria (bionica) e robotica (biorobotica). Lo scopo principale è di sfruttare i risultati impressionanti
raggiunti dal cieco ma potente progettista noto come Evoluzione. Tra le grandiose capacità esibite dai sistemi
naturali ci sono le abilità di navigazione degli insetti. Nonostante i loro minuscoli cervelli, molti insetti
svolgono dei compiti di navigazione impressionanti. La formica del deserto Cataglyphis, per esempio, fa
esplorazioni che la allontanano dal suo nido per più di 200 m. Una volta trovato un bottino appropriato, torna
a casa immancabilmente e in linea retta [47] (si veda la figura 1).
La Cataglyphis non può usare feromoni per ripercorrere il sentiero verso il nido, visto che i feromoni
evaporano in pochi secondi a causa delle alte temperature del suolo. Più di vent’anni di lavoro sul campo
(per un’analisi si veda [50]) hanno rivelato molti dettagli sul repertorio comportamentale e sui meccanismi
soggiacenti che la Cataglyphis utilizza per tornare a casa. Le tre strategie principali utilizzate sono il path
integration, il visual piloting e la systematic search [52]. Laddove il path integration basato
sull'individuazione dei punti cardinali ottenuta attraverso lo schema di polarizzazione del cielo è la principale
strategia di navigazione delle formiche, per la localizzazione esatta del nido sono utilizzate anche
informazioni geocentriche basate su landmark.
Fig. 1. Un tipico viaggio esplorativo della formica sahariana Cataglyphis (insetto).
Partendo dal suo nido (cerchietto vuoto), la formica cerca il cibo seguendo un percorso
casuale (linea sottile) finché non trova un bottino (posizione indicata dal cerchietto
nero più grande). Il cibo è riportato al nido seguendo un percorso quasi in linea retta
(linea spessa). (Adattato da [56].)
6
Although there is a large number of behavioral data about the navigation behavior of Cataglyphis, and some
mechanisms of peripheral signal processing have been unraveled, it is still largely unknown how the
navigation system is implemented in the insect’s brain. In this paper we use the autonomous agents approach
(see e.g. [37]) to gain additional insights into the navigation behavior of insects. The goal of this approach is
to develop an understanding of natural systems by building a robot that mimics some aspects of their sensory
and nervous system and their behavior.
This “synthetic” methodology has a number of advantages. Computer simulations of models are a first step
of synthetic modeling.While it is often the case that models of biological agents are only described verbally
or outlined implicitly, computer simulations require an explicit, algorithmic model, which helps to avoid
pitfalls in terms of unwarranted assumptions or glossing over details. Especially the behavior of feedback
systems is difficult to predict without simulations, and moving agents receive a rich and complex feedback
on their actions from the environment. However, the value of computer simulations is limited by the fact that
properties of the environment are usually difficult to reproduce in simulations. Wrong assumptions about
these properties may severely misguide the development of models. The necessary step from a simulation to
the real world is done by constructing artificial agents (mobile robots) and exposing them to the same
environment that also the biological agents experience. Moreover, in contrast to animal experiments, the
observed behavior of an artificial agent can be linked to its sensory inputs and its internal state. The
advantages of proceeding in this way are illustrated in our recent studies, in which an autonomous agent
navigated using directional information from skylight [29]. A similar line of research is also pursued by other
groups. Autonomous agents have, for example, been used to study the visuomotor system of the housefly
[17], visual odometry in bees [38, 9, 39], cricket phonotaxis [41, 43, 42, 45, 44, 31], six-leg locomotion of
insects [14, 15], and lobster chemotaxis [21, 13].
In this study, (1) we give a brief overview of a polarized-light compass, and how it was employed in a path-
integration system, (2) we describe an implementation of a biological model of visual landmark navigation
using a panoramic visual system, (3) we present and discuss data on the navigational performance of the
mobile robot Sahabot 2, and (4) we propose a new, more parsimonious model for visual landmark
navigation.
2 Path integration
Path integration—the continuous update of a home vector by integrating all angles steered and all distances
covered — is a navigation method widely employed by both animals and mobile robots. To use this
navigation mechanism, both distance information, and even more important, directional information must be
available.
7
Nonostante il grande numero di dati comportamentali sulla navigazione della Cataglyphis, e sebbene
siano stati chiariti alcuni meccanismi di elaborazione periferica dei segnali, il modo in cui il sistema di
navigazione è implementato nel cervello degli insetti è ancora largamente sconosciuto. In questa relazione
utilizziamo l’approccio degli agenti autonomi (si veda per es. [37]) per approfondire il comportamento degli
insetti nella navigazione. Lo scopo di questo approccio è di sviluppare la comprensione dei sistemi naturali
attraverso la costruzione di un robot capace di mimare alcuni aspetti del loro sistema sensoriale e nervoso e il
loro comportamento.
Questa metodologia “sintetica” ha diversi vantaggi. Le simulazioni al computer dei modelli sono il
primo passo del modellamento sintetico: mentre spesso i modelli di agenti biologici sono descritti solo
verbalmente o abbozzati implicitamente, le simulazioni al computer hanno bisogno di un modello esplicito e
algoritmico, il che aiuta a evitare le insidie insite nelle assunzioni infondate o nel sorvolare i dettagli. In
particolare è il comportamento dei sistemi di feedback ad essere estrememente difficile da predire senza
simulazioni, e gli agenti moventi ricevono un feedback ricco e complesso dall’ambiente sulle loro azioni.
Tuttavia, il valore delle simulazioni al computer è limitato dal fatto che le proprietà dell’ambiente di solito
sono difficili da riprodurre nelle simulazioni. Assunzioni erronee su tali proprietà possono fuorviare
enormemente lo sviluppo dei modelli. Il passo indispensabile da una simulazione al mondo reale è compiuto
dalla costruzione di agenti artificiali (robot mobili) e dalla loro esposizione allo stesso ambiente sperimentato
dagli agenti biologici. Inoltre, al contrario degli esperimenti con gli animali, il comportamento di un agente
artificiale può essere legato ai suoi input sensoriali e al suo stato interno. I vantaggi nel procedere in questo
modo sono illustrati nei nostri studi più recenti, nei quali un agente autonomo navigava utilizzando
informazioni direzionali derivanti dalla luce celeste [29]. Una linea di ricerca simile è perseguita anche da
altri gruppi. Gli agenti autonomi sono stati usati, per esempio, per lo studio del sistema visivo-motorio della
mosca domestica [17], dell’odometro visivo delle api [38, 9, 39], della fonotassi dei grilli [41, 43, 42, 45, 44,
31], del sistema di locomozione a sei piedi degli insetti [14, 15] e della chemiotassi delle aragoste [21, 13].
Nel presente studio, (1) forniremo una breve visione d’insieme dell’orientamento basato sulla luce
polarizzata, e di come è stato impiegato nei sistemi di path integration, (2) descriveremo l’implementazione
di un modello biologico di visual landmark navigation utilizzando un sistema di visione panoramica, (3)
presenteremo e discuteremo i dati sulla prestazione di navigazione del robot mobile Sahabot 2 e (4)
proporremo un nuovo modello più parsimonioso di visual landmark navigation.
2. Path integration
Il path integration – il continuo aggiornamento del vettore per tornare al nido attraverso l’integrazione di
tutte le angolazioni seguite e di tutte le distanze coperte – è un metodo di navigazione ampiamente utilizzato
sia dagli animali che dai robot mobili. Per l’utilizzo di questo meccanismo di navigazione si ha bisogno di
aver a disposizione sia le informazioni sulla distanza sia, ed è forse più importante, le informazioni sulla
direzione.
8
In the simplest method of path integration used in robotics, distance and directional information are derived
from wheel encoders. There are several reasons for the wide application of this simple path-integration
method in robotics. First, for short distances path integration using wheel encoders can provide relatively
accurate position estimation, second, it is computationally cheap, and third, it can be done in real-time.
However, path integration with wheel encoders is prone to cumulative errors. Especially accumulation of
orientation errors will cause large position errors that increase significantly as a function of the distance
traveled. Several approaches for dealing with these errors have been proposed (see [5] for an overview). The
most common approaches use either specialized heading sensors, like gyroscopes and magnetic compasses,
or dedicated methods for reducing odometry errors.
An example of this kind of approach is work done in projects related to NASA’s Mars missions. Path
integration on the Sojourner Mars rover was performed with wheel encoders and a solid state turn rate
sensor. Because of the errors introduced in the path-integration system, the position of the rover had to be
updated daily by observing the rover from the lander, sending the images to Earth, detecting the rover in the
images, and sending the rover position and heading back to the rover via the lander. The performance of the
rover’s path-integration system was evaluated prior to the mission [32]. For a distance of 10 m, standard
deviations of 125 cm and 24 cm were predicted for the lateral and the forward errors, respectively. When the
rover had to follow trajectories where turning or driving over rocks was necessary, these errors were much
larger. The main conclusion from these experiments was that reaching a target position even in a distance of
less than 10 m from the lander would require external update of the position of the rover. Future missions
involve scenarios where the rover will have to cover greater distances. This will require solving the
navigation problems and granting greater autonomy to the rover. There are plans to use a sun compass for
obtaining the orientation of the rover, but this has not been tested yet.
Central-place foragers such as bees and ants, which primarily employ path integration to return to important
places in their environment, are known to gain the compass direction from celestial cues, mainly from the
polarization pattern of the blue sky (reviewed in [49]). In the following we describe a technical polarized-
light compass system derived from the corresponding system in insects and its application in path-integration
experiments.
Fig. 2. 3-D representation of the pattern of polarization in the sky as experienced by an observer
in point O. Orientation and width of the bars depict the direction and degree of polarization,
respectively. A prominent property of the pattern is a symmetry line running through sun (S)
and zenith (Z), called “solar meridian” (SM) on the side of the sun and “anti-solar meridian”
(ASM) on the opposite side. (Adapted from [46].)
Ricevi informazioni sui nostri servizi, sulle offerte e non perdere news e consigli su università e lavoro.
