Bagaimana Semut Menginspirasi Robotika Berbasis AI

SiwinduMedia.com – Kita tahu bahwa serangga tidak terlalu cerdas dari sudut pandang manusia. Namun, meskipun memiliki keterbatasan, mereka mampu meraih prestasi organisasi dan orientasi yang luar biasa. Ini membuat mereka menjadi inspirasi bagi para peneliti yang bekerja dibidang mikrorobot dan drone ringan.

Misalnya, semut gurun Cataglyphis dapat mencari makan dalam jarak yang jauh dan kemudian berjalan kembali ke sarangnya dengan menempuh perjalanan hingga 1 km.

Sinyal suar dan GPS adalah alternatif, tetapi memerlukan pengaturan yang mahal, bisa tidak dapat diandalkan, atau bahkan tidak mungkin. Jadi, memahami bagaimana serangga seperti semut dan lebah mampu menavigasi dunia dengan “perangkat keras” dan pasokan energi yang sangat terbatas dapat membantu kita menirunya dengan robot dan drone kita sendiri.

Mengapa Menggunakan Mikrorobot?

Robot dan drone yang lebih kecil lebih murah untuk dibuat dan dapat menutupi lebih banyak permukaan sekaligus dengan biaya yang rendah juga. Justru karena lebih kecil, mereka dapat mengamati hal-hal dengan lebih rinci tanpa risiko bertabrakan dengan lingkungannya. Misalnya, mereka dapat terbang di dalam rumah kaca dan memindai tanda-tanda awal penyakit atau hama pada tanaman.

Atau mereka dapat dikerahkan untuk misi pencarian dan penyelamatan, menyelidiki reruntuhan atau alam liar untuk orang-orang yang membutuhkan bantuan. Kelompok robot “burung/semut/capung” bisa dengan cepat mendeteksi korban selamat setelah gempa bumi, misalnya.

Bagaimana Semut Menavigasi Dunia

Salah satu metodenya adalah dengan menggunakan penglihatan, sesuatu yang sangat baik dilakukan serangga karena mereka memiliki sistem visual hampir omnidirectional (melihat ke segala arah sekaligus). Namun, penglihatan ini memiliki resolusi yang relatif rendah.

Beberapa teori paling kuno dan mapan tentang bagaimana serangga menggunakan penglihatan untuk mengorientasikan diri adalah dalam “model snapshot”.

Idenya adalah bahwa otak serangga secara teratur mengambil snapshot dari lingkungannya. Ketika perlu menavigasi kembali ke “rumah”, ia membandingkan lingkungan saat ini dengan snapshot yang baru-baru ini disimpan.

Konsep ini sekarang sudah dipahami dengan baik, sampai pada tingkat neuronal. Jadi, dapat relatif mudah ditiru dalam robot.

Secara teori, metode ini saja bisa cukup. Namun, dalam praktiknya, metode ini memiliki beberapa keterbatasan:

Untuk bekerja dengan baik, ini memerlukan serangkaian snapshot yang sangat ketat, dengan bahkan satu data yang hilang dapat menyebabkan disorientasi dan robot menjadi benar-benar tersesat. Karena membutuhkan banyak snapshot, itu akan terbukti membebani baik memori otak semut maupun robot.

Menambahkan Odometri

Metode lain yang digunakan oleh semut, dan serangga pada umumnya, adalah melacak pergerakan mereka, sebuah metode yang disebut odometri. Ini adalah metode yang juga digunakan dalam robotika, tetapi masalahnya adalah kurangnya presisi. Setiap langkah diperkirakan dari sensor gerak (atau persepsi subyektif dalam kasus semut), tetapi tidak pernah sepenuhnya mencerminkan gerakan yang sebenarnya.

Ini menyebabkan pergeseran progresif dalam akurasi perkiraan odometri dari lokasi saat ini, menjadi semakin tidak akurat seiring waktu.

Menggabungkan kedua metode tersebut adalah wawasan kunci bagi peneliti di Universitas TU Delft, Belanda. Dalam makalah ilmiah berjudul “Visual route following for tiny autonomous robots”, mereka menggabungkan snapshot visual dengan odometri untuk meningkatkan otonomi mikrorobot.

Performa yang Lebih Baik

Ini memungkinkan robot untuk secara teratur mengatur ulang pergeseran odometri setiap kali menemukan kembali salah satu snapshot landmarknya.

Pada saat yang sama, mengandalkan sebagian besar pada odometri mengurangi permintaan untuk snapshot yang sangat dekat, memberi mikrorobot kemampuan untuk bergerak lebih cepat di antara titik-titik, tanpa harus selalu memeriksa petunjuk visual dari trajektorinya.

“Wawasan utama yang mendasari strategi kami adalah bahwa Anda dapat merenggangkan snapshot lebih jauh jika robot berjalan di antara snapshot berdasarkan odometri. Homing akan berfungsi selama robot berakhir cukup dekat dengan lokasi snapshot, yaitu selama pergeseran odometri robot berada dalam area tangkapan snapshot.” ungkap profesor Guido de Croon.

Tim peneliti menggunakan perangkat lunak orientasi baru mereka yang menggabungkan snapshot dan odometri untuk menguji seberapa sedikit data yang dapat digunakan untuk mengarahkan robot seberat hanya 56g sepanjang 100m.

Ini bisa pada ukuran yang sangat kecil, hanya 1,16 kilobyte. Sebagai perbandingan, gambar rata-rata yang diambil oleh smartphone akan berada dalam ribuan kilobyte per gambar, dan sebagian besar gambar online berada dalam puluhan atau ratusan kilobyte.

Lebih baik lagi, semua pemrosesan gambar dapat dilakukan oleh komputer mini ringan yang disebut “mikrokontroler”, yang dapat ditemukan di banyak perangkat elektronik murah.

Aplikasi

Industri

Mikrorobot dan drone seperti ini akan sangat terbatas dalam kapasitas pemrosesan data mereka, dengan sebagian besar kekuatan pemrosesan mikrokontroler onboard sibuk mengelola navigasi dan pengumpulan data.

Namun, drone semacam itu bisa digunakan untuk melacak inventaris di gudang atau memantau tanaman di rumah kaca. Ini akan bekerja dengan membuat mereka berjalan atau terbang di sekitar dan mengumpulkan data seperti gambar, kode batang, atau tag RFID. Titik data ini dapat disimpan di kartu SD kecil.

Rekaman ini kemudian akan dipindahkan ke komputer atau server yang lebih besar yang dapat memproses dan menerjemahkannya menjadi data yang berguna.

Militer

Bidang aplikasi lain yang mungkin adalah teknologi militer, terutama mengingat pentingnya drone di medan perang modern, seperti yang diilustrasikan oleh perang di Ukraina.

Drone terbang kecil yang cukup ringan untuk dimasukkan ke dalam tas infanteri dapat dikirim untuk pengintaian dan membawa kembali gambar posisi musuh kepada tentara yang berlindung.

Karena area tersebut kemungkinan besar akan sangat dijam oleh perang elektronik (EW) dan di area yang selalu berubah, navigasi otonom drone akan menjadi keharusan. Konsumsi daya yang ringan dan rendah juga kemungkinan akan menjadi fitur kunci. Dalam penelitian yang dibahas di sini, drone dapat menavigasi jalur sepanjang 300 m di lingkungan hutan simulasi.

Penelitian Lebih Lanjut

Strategi menggabungkan odometri dan snapshot sangat efisien dan dapat dibuat lebih efisien dengan meningkatkan presisi odometer. Algoritma yang digunakan juga kemungkinan dapat diubah untuk menjadi lebih hemat memori dan daya.

Peningkatan lain adalah menambahkan kemampuan penghindaran tabrakan pada robot, terutama karena sudah memiliki penglihatan omnidirectional.

Solusi masih perlu ditemukan untuk ketika robot masih tersesat. Misalnya, para peneliti mengusulkan bahwa “robot dapat memperkirakan ukuran area tangkapan secara online dan diberi prosedur pencarian ketika kehilangan rute.”

Prosedur ini sangat cocok untuk robot kecil yang biasanya kesulitan dengan navigasi menggunakan metode lain. Tapi itu bisa mulai diterapkan pada robot yang lebih besar juga, dalam upaya mengurangi kebutuhan akan peralatan mahal seperti LIDAR, serta mengurangi persyaratan komputasi dan daya.

Perusahaan Drone & Robot

1. AutoStore Holdings Ltd. (AUTO.OL)

Kendaraan otonom seperti mobil self-driving mungkin sudah dekat, tetapi teknologi ini sulit dikembangkan, bahkan untuk pemimpin teknologi seperti Google dan Tesla. Namun, ada sektor yang sudah direvolusi oleh mengemudi otonom dan robotika: logistik.

AutoStore Norwegia menyediakan gudang otomatis untuk industri yang beragam seperti farmasi, pakaian, grosir, penerbangan, logistik, atau produsen industri. Perusahaan pakaian, industri, dan logistik pihak ketiga merupakan tiga segmen terbesar bisnis AutoStore.

Gudang perusahaan mengandalkan robot otonom yang dapat mengidentifikasi dan mengambil paket atau produk dan membawanya ke tempat tujuan.

Perusahaan ini berkembang dengan cepat, berkat semakin banyak perusahaan besar yang menyadari keuntungan menciptakan sistem logistik yang lebih efisien, tangguh, dan lebih cepat setelah pandemi. Rata-rata, dibutuhkan hanya 1-3 tahun untuk pengembangan menjadi gudang otonom agar membayar kembali investasi awal.

AutoStore aktif di 50 negara, mengoperasikan 58.500 robot untuk 900 pelanggan berbeda. Ini meningkatkan pendapatannya sebesar 50% CAGR sejak 2017. Ini adalah 2-3x lebih cepat dari pertumbuhan tahunan pasar gudang otomatis, yang diperkirakan sebesar 15%.

Seperti banyak perusahaan teknologi Eropa, AutoStore menyediakan solusi yang sangat canggih yang juga agak tidak terlihat oleh publik yang lebih besar.

Sebagian besar gudang akan bergerak menuju otomatisasi. Pemimpin di sektor ini kemungkinan akan mengungguli pertumbuhan sektor tersebut, karena masuk akal untuk mengandalkan penyedia yang mampu menerapkan solusi ini dalam skala besar dan dengan harga lebih murah.

Robot yang lebih otonom dan lebih efisien dalam menemukan jalan mereka bisa menjadi peluang dan ancaman bagi AutoStore. Saat ini, Anda perlu sepenuhnya mendesain ulang gudang untuk menggunakan solusi robotik perusahaan.

Di masa depan, robot bisa menemukan jalan mereka tanpa perlu grid yang saat ini digunakan, membuat adopsi jauh lebih mudah, kurang mengganggu operasi yang sedang berlangsung, dan investasi awal jauh lebih kecil, menyelesaikan apa yang masih menjadi hambatan utama untuk adopsi massal teknologi ini.

2. Zebra Technologies Corporation (ZBRA)

Zebra Technologies memproduksi label pelacakan dan pemindai yang memungkinkan pemantauan setiap komponen pabrik “pintar”. Ini termasuk komputer mobile, pemindai kode batang, visi mesin, teknologi lokasi, tag, dan RFID (Radio-frequency identification).

Tingkat pengumpulan dan analisis data ini merupakan komponen kunci dalam menerapkan robotika, terutama yang lebih mobile dan fleksibel, keluar dari jalur perakitan.

Perusahaan ini telah menjadi asal mula popularisasi kode batang dan sejak 2018 telah melakukan serangkaian akuisisi untuk menyatukan semua teknologi yang diperlukan untuk “robotisasi” dan digitalisasi gudang & pabrik modern.

Saat ini, segmen utama perusahaan adalah e-commerce & ritel dan transportasi/logistik, diikuti oleh manufaktur.

Karena robot semakin menjadi pusat dari e-commerce dan logistik, sistem pelacakan Zebra semakin diminati.

Sampai sekarang, masih diperlukan untuk mempersiapkan tempat untuk robot yang relatif besar.

Jika mikrorobot seberat hanya beberapa puluh gram sekarang bisa berkeliling dan memindai tag RFID, kita bisa segera melihat pemantauan terus-menerus dari semua aktivitas di lantai pabrik atau gudang yang ditangani secara otonom, melalui segerombolan drone seperti lebah.