昆虫に学ぶ：小型ロボットの新しい自律航法戦略

この戦略により、ロボットは非常に少ない計算量とメモリ（100メートルあたり0.65キロバイト）で長い軌道をたどった後、巣に戻ることが可能になります。将来的には、このような小型の自律型ロボットは、倉庫内の在庫管理から工業現場でのガス漏れ検出まで、幅広い用途での利用が期待されています。研究成果は2024年7月17日にScience Robotics誌に発表され、同誌の表紙を飾りました。公開された論文のタイトルは「Visual Route Following for Tiny Autonomous Robots（小型自律ロボットのための視覚ルート追従）」です。

小型ロボットの可能性を広げる

数十グラムから数百グラム程度の小型ロボットは、現実世界での様々な用途に可能性を秘めています。その軽量性から、人にぶつかっても非常に安全であり、小さいため狭い場所でも自由に動けます。さらに、低コストで製造できれば、大量に展開することで、例えば温室での早期害虫や病気の検出といった広範囲のカバーも可能になります。

しかし、このような小型ロボットが自律的に動作するのは容易ではありません。大型ロボットと比べて非常に限られたリソースしか持たないためです。特に大きな課題となるのは自律的なナビゲーション機能です。ロボットは外部インフラからの支援を受けることができます。例えば、屋外ではGPS衛星からの位置推定、屋内では無線通信ビーコンからの位置情報を使用することが可能です。しかし、こうしたインフラへの依存は必ずしも望ましくありません。GPSは屋内では利用できず、都市部などの混雑した環境では精度が著しく低下することがあります。また、ビーコンの設置や維持には高額な費用がかかり、捜索救助などのシナリオでは設置が不可能な場合もあります。

自律航法に必要なAIは大型ロボット、例えば自動運転車などを念頭に設計されています。一部の方法ではLiDARレーザー測距計のような重く電力を大量に消費するセンサーに依存しており、小型ロボットでは搭載や駆動が困難です。その他の方法として、環境に関する豊富な情報を提供する視覚センサーを使用するものもありますが、これらのアプローチは通常、環境の詳細な3Dマップを作成しようとします。これには大量の処理能力とメモリが必要で、小型ロボットでは賄いきれない大きさと電力を消費するコンピューターが求められます。

歩数計測と視覚的な目印

このため、一部の研究者は自然からインスピレーションを得ることに注目しました。昆虫は、非常に限られた感覚と計算資源を用いながら、現実世界の多くの応用に関連する距離を移動するため、特に興味深い存在です。生物学者たちは、昆虫が使用する基本的な戦略を次第に理解してきています。特に昆虫は、自分自身の動きを把握する「オドメトリー（odometry）」と、低解像度ながらほぼ全方位をカバーする視覚システムに基づく行動「ビュー・メモリ（view memory）」を組み合わせています。オドメトリーは神経レベルに至るまで理解が進んでいますが、ビュー・メモリの正確なメカニズムはまだ十分に解明されていません。最も古い理論の一つとして「スナップショット」モデルが提唱されています。これは、アリのような昆虫が環境のスナップショットを定期的に撮影し、その場所に近づくと現在の視覚認識とスナップショットを比較し、違いを最小限に抑える方向に移動するというものです。これにより、昆虫はオドメトリーのみを行う場合に蓄積される誤差を除去しながらナビゲーション、つまり「ホーム（home）」することが可能になります。

「スナップショットを用いたナビゲーションは、童話『ヘンゼルとグレーテル』でヘンゼルが石を道に置いて帰る方法に例えられます。ヘンゼルが石を置いた場合、無事に帰れましたが、パンくずを置いたときは鳥に食べられて迷子になってしまいました。今回のケースでは、石がスナップショットの役割を果たします。」と、この研究の第一著者であるトム・ファン・ダイク氏（Tom van Dijk）は語ります。「石と同様に、スナップショットが機能するためには、ロボットがスナップショットの位置に十分近づく必要があります。視覚環境がスナップショットの場所と大きく異なる場合、ロボットは間違った方向に進んでしまい、二度と戻れなくなる可能性があります。そのため、ヘンゼルが石を適切な間隔で置くように、適切な数のスナップショットを使用する必要があります。逆にスナップショットを多く使いすぎると、メモリ消費が大きくなってしまいます。これまでの研究では、スナップショットが非常に近い間隔で配置されており、ロボットがまず一つのスナップショットに視覚的に戻り、その後次のスナップショットに進むという方法が取られていました。」

「私たちの戦略の主要な洞察は、スナップショットをより遠く離して配置できることです。ロボットがスナップショット間をオドメトリーに基づいて移動する場合、ホーム機能はロボットがスナップショットの位置に十分近づく限り正常に機能します。」と、論文の共著者であり、バイオインスパイアード・ドローンのフルプロフェッサーであるギド・デ・クローン教授（Guido de Croon）は述べています。「ロボットのオドメトリーの誤差がスナップショットの捕捉範囲内であれば、ロボットはさらに遠くまで移動することが可能になります。スナップショットにホームする際には、ロボットはオドメトリーに基づいて移動する際よりもかなり遅く飛行しますが、これにより長距離の移動が可能になります。」

提案された昆虫に着想を得たナビゲーション戦略により、全方位カメラを装備した56グラムの「CrazyFlie」ドローンが、わずか0.65キロバイトのメモリで最大100メートルの距離をカバーすることができました。すべての視覚処理は、安価な電子デバイスにも使用されている「マイクロコントローラー」と呼ばれる小型コンピューターで行われました。

ロボット技術の実用化に向けて

「提案された昆虫に着想を得たナビゲーション戦略は、小型自律ロボットを実世界で応用するための重要な一歩です。」とギド・デ・クローン教授は述べています。「提案された戦略の機能は、最先端のナビゲーション方法に比べて限定的です。この戦略はマップを生成するわけではなく、ロボットが出発点に戻ることだけを可能にします。しかし、多くの応用においてはこれで十分でしょう。例えば、倉庫での在庫追跡や温室での作物モニタリングでは、ドローンは飛行し、データを収集して基地に戻るだけでよいのです。これらのデータは、後にサーバーで処理するために小型SDカードに保存されますが、ナビゲーションそのものには必要ありません。」

この研究の戦略によって、今後の小型ロボットの実用化が加速することが期待されています。特に、低コストで安全性の高い小型ロボットの普及により、現場での迅速なデータ収集や監視が可能となり、様々な産業での導入が進むと考えられます。

[News release] [Science Robotics article]