Организация маршрута анимата на основе визуальных ориентиров и распознавания сцен

Среди природоподобных технологий есть направление, в рамках которого исследуется применение навигационных механизмов насекомых для навигации автономных роботов. Данная работа относится к указанному направлению и посвящена использованию этого подхода для решения задач фуражирования и рекогносцировки. В качестве модельного вида взят муравей рода Formica rufa — рыжий лесной муравей, который активно использует коллективную фуражировку. Муравей-разведчик этого вида не только запоминает маршрут до пищи, но умеет передавать муравьям-фуражирам сведения о местонахождении пищи, и те самостоятельно, без сопровождающего, могут до нее дойти и вернуться домой. Рассматриваются основные аспекты навигационного механизма муравьев, которые используют для возвращения домой и повторного прохождения пути запомненные ранее визуальные ориентиры и врожденную систему интеграции пути. В основу предлагаемого метода положено запоминание пути по визуальным ориентирам и принципы нечеткого управления. Введена модель описания пути для анимата, состоящая из последовательности сцен. Создан алгоритм, имитирующий поисковое поведение муравья для анимата-разведчика. Разработан набор правил, которые позволяют анимату-последователю перейти от описания маршрута к действиям по его воспроизведению. В основе поведения последователя (фуражира) лежат те же принципы, что и у разведчика, только вместо запоминания сцен он использует процедуру распознавания и сопоставления сцен. Действия аниматов представлены в виде элементарных поведенческих процедур, каждая поведенческая процедура реализована с помощью конечного автомата. Приведены результаты имитационного моделирования для решения задачи фуражировки. Эксперименты проводились с помощью системы моделирования, основанной на фреймворке ROS. Результаты моделирования подтверждают работоспособность и достаточно высокую эффективность предложенного метода. Метод не требует от робота больших вычислительных мощностей и развитых сенсорных возможностей и может также применяться в задачах рекогносцировки и патрулирования.

1. Cruse H., Wehner R. No need for a cognitive map: Decentralized memory for insect navigation // PLoS Comput. Biol. 2011. Vol. 7, N. 3.

2. Sun X., Yue S., Mangan M. A decentralised neural model explaining optimal integration of navigational strategies in insects // Elife. 2020. Vol. 9, N. 7. P.1—30.

3. Wilson E. O. Chemical communication among workers of the fire ant Solenopsis saevissima. 1. The organization of mass foraging // Anim. Behav. 1962. Vol. 10. P. 134—147.

4. Reznikova Z. Spatial cognition in the context of foraging styles and information transfer in ants // Anim. Cogn. 2020. Vol. 23, N. 6. P. 1143—1159.

5. Длусский Г. М. Муравьи рода Формика. М.: Наука, 1967. 236 c.

6. Ryabko B., Reznikova Z. The Use of Ideas of Information Theory for Studying "Language" and Intelligence in Ants // Entropy. 2009. N. 11. P. 839—853.

7. Reznikova Z. Experimental paradigms for studying cognition and communication in ants (Hymenoptera: Formicidae) // Myrmecological News. 2008. Vol. 11. P. 201—214.

8. Müller M., Wehner R. Path integration in desert ants, Cataglyphis fortis // Proceedings of the National Academy of Sciences of the United States of America. 1988. Vol. 85, N. July. P. 5287—5290.

9. Narendra A. Homing strategies of the Australian desert ant Melophorus bagoti II. Interaction of the path integrator with visual cue information // J. Exp. Biol. 2007. Vol. 210, N. 10. P. 1804—1812.

10. Wystrach A., Graham P. What can we learn from studies of insect navigation? // Anim. Behav. 2012. Vol. 84, N.1. P. 13—20.

11. Wehner R. The architecture of the desert ant’s navigational toolkit (Hymenoptera: Formicidae) // Myrmecol News. 2009. N. 12. P. 85—96.

12. Wystrach A., Schwarz S., Schultheiss P., Beugnon G., Cheng K. Views, landmarks, and routes: How do desert ants negotiate an obstacle course? // J. Comp. Physiol. A Neuroethol. Sensory, Neural, Behav. Physiol. 2011. Vol. 197, N. 2. P. 167—179.

13. Захаров А. А. Муравей. Семья. Колония. М.: Фитон XXI, 2018. 192 с.

14. Collet M., Collett T. S. The learning and maintenance of local vectors in desert ant navigation // J. Exp. Biol. 2009. Vol. 212. P. 895—900.

15. Lambrinos D., Möller R., Labhart T., Pfeifer R., Wehner R. A mobile robot employing insect strategies for navigation // Rob. Auton. Syst. 2000. Vol. 30, N. 1. P. 39—64.

16. Vardy A. Long-range visual homing // 2006 IEEE Int. Conf. Robot. Biomimetics, ROBIO 2006. P. 220—226.

17. Yu S. E., Kim D. Image-based homing navigation with landmark arrangement matching // Inf. Sci. (Ny). 2011. Vol. 181, N. 16. P. 3427—3442.

18. Stelzer A., Mair E., Suppa M. Trail-Map: A scalable landmark data structure for biologically inspired range-free navigation // 2014 IEEE Int. Conf. Robot. Biomimetics. IEEE ROBIO 2014. P. 2138—2145.

19. Карпова И. П. К вопросу о представлении маршрута мобильного робота на основе визуальных ориентиров // Мехатроника, автоматизация, управление. 2017. Т. 18, № 2. С. 81—89.

20. Wilson S. W. Classifier Systems and the Animat Problem // Mach. Learn. 1987. Vol. 2, N. 3. P. 199—228.

21. Захаров А. А. и др. Мониторинг муравьев Формика. М.: КМК, 2013. 99 с.

22. Baddeley B., Graham P., Husbands P., Philippides A. A model of ant route navigation driven by scene familiarity // PLoS Comput. Biol. 2012. Vol. 8, N. 1.

23. Roseboom W., Fountas Z., Nikiforou K., Bhowmik D., Shanahan M., Seth A. K. Activity in perceptual classification networks as a basis for human subjective time perception // Nat. Commun. 2019. Vol. 10, N. 1. P. 1—10.

24. Московский А. Д. Система навигации автономного мобильного робота на основе метода реконструкции сцен. / II Всероссийский научно-практический семинар "Беспилотные транспортные средства с элементами искусственного интеллекта" (БТС-ИИ-2015). 2015. С. 66—73.

25. Карпов В. Э. Об одном механизме реконструкции схем // VI Международная научно-практическая конференция "Интегрированные модели и мягкие вычисления в искусственном интеллекте". Сб. науч. трудов в 2-х т. Т. 1. М.: Физматлит, 2011. С. 407—415.

26. Карпов В. Э. Частные механизмы лидерства и самосознания в групповой робототехнике // XIII национальная конференция по искусственному интеллекту с международным участием КИИ-2012 (16—20 октября 2012 г., Белгород): Труды конференции. 2012. Т. 3. С. 275—283.

27. Narendra A. Homing strategies of the Australian desert ant Melophorus bagoti I. Proportional path-integration takes the ant half-way home // J. Exp. Biol. 2007. Vol. 210, N. 10. P. 1798—1803.

28. Dupeyroux J., Viollet S., Serres J. R. An ant-inspired celestial compass applied to autonomous outdoor robot navigation // Rob. Auton. Syst. 2019. Vol. 117. P. 40—56.

29. Карпов В. Э., Ровбо М. А., Овсянникова Е. Е. Система моделирования поведения групп робототехнических агентов с элементами социальной организации Кворум // Программные продукты и системы. 2018. Т. 31, № 3. С. 581—590