ابداع فناوری جدید برای کنترل دسته‌های حشرات سایبورگ

توسعه الگوریتم پیشرفته ناوبری برای حشرات سایبورگ

دانشمندان دانشگاه فناوری نانیانگ سنگاپور (NTU Singapore)، دانشگاه اوساکا و دانشگاه هیروشیما یک الگوریتم پیشرفته ناوبری جمعی برای حشرات سایبورگ توسعه داده‌اند که از گیر کردن آن‌ها در حین عبور از زمین‌های چالش‌برانگیز جلوگیری می‌کند. این الگوریتم که در نشریه Nature Communications منتشر شده، پیشرفت قابل توجهی در زمینه رباتیک جمعی به شمار می‌آید. این فناوری می‌تواند راه را برای کاربردهایی در زمینه امدادرسانی در حوادث، ماموریت‌های جستجو و نجات و بازرسی زیرساخت‌ها هموار کند.

حشرات سایبورگ، حشرات واقعی هستند که با دستگاه‌های الکترونیکی کوچکی بر روی پشت خود تجهیز شده‌اند. این دستگاه‌ها شامل حسگرهای مختلفی مانند دوربین‌های نوری و مادون قرمز، باتری و آنتن برای ارتباط هستند که به آن‌ها اجازه می‌دهد حرکاتشان به‌صورت از راه دور کنترل شود. کنترل یک حشره سایبورگ برای اولین بار در سال 2008 توسط پروفسور هیراتاکا ساتو از دانشکده مهندسی مکانیک و هوافضا دانشگاه NTU سنگاپور به نمایش درآمد. با این حال، یک حشره منفرد برای عملیات‌هایی مانند ماموریت‌های جستجو و نجات که در آن بازماندگان زلزله پراکنده هستند، کافی نیست و یک بازه زمانی بهینه 72 ساعته برای پیدا کردن آن‌ها وجود دارد.

در سال‌های 2021 و 2024، پروفسور ساتو و همکارانش از آژانس علم و فناوری تیم خانگی سنگاپور (HTX) و Klass Engineering and Solutions نشان دادند که چگونه حشرات سایبورگ می‌توانند برای عملیات‌های جستجو و نجات در آینده مورد استفاده قرار گیرند. مقاله اخیر آن‌ها درباره سیستم جدید جمعی از دینامیک رهبر-دنبال‌کننده استفاده می‌کند، جایی که یک حشره سایبورگ به‌عنوان رهبر گروه عمل کرده و 19 حشره دیگر را هدایت می‌کند.

نویسندگان همکار این مقاله، پروفسور ماساکی اوگورا از دانشگاه هیروشیما و پروفسور واکامیا نائوکی از دانشگاه اوساکا، الگوریتم کنترل جمعی و برنامه‌های کامپیوتری را توسعه دادند. در حالی که پروفسور هیراتاکا ساتو و تیمش، جمع حشرات سایبورگ را آماده کرده، الگوریتم را بر روی کوله‌پشتی‌های الکترونیکی حشرات پیاده‌سازی کردند و آزمایش‌های فیزیکی را در سنگاپور انجام دادند.

مزایای الگوریتم جدید ناوبری جمعی

دانشمندان در طول آزمایش‌های آزمایشگاهی به چندین مزیت برای الگوریتم جدید خود اشاره کردند. اجازه دادن به حشرات سایبورگ برای حرکت آزادتر، خطر گیر کردن آن‌ها در موانع را کاهش می‌دهد و حشرات سایبورگ نزدیک نیز می‌توانند به آزاد کردن حشرات گیر کرده یا واژگون شده کمک کنند.

نحوه عملکرد جمع حشرات سایبورگ

تحقیقات قبلی کنترل یک حشره سایبورگ یا گروهی که توسط الگوریتم‌هایی با دستورالعمل‌های دقیق و پیچیده برای حشرات منفرد کنترل می‌شدند را نشان داده بود. این رویکرد برای هماهنگی حرکت یک گروه بزرگ مناسب نبود. با روش جدید، حشره رهبر ابتدا توسط الگوریتم منصوب می‌شود، سپس از مقصد مورد نظر مطلع می‌شود و کوله‌پشتی کنترل آن با کوله‌پشتی سایر اعضای گروه هماهنگ می‌شود تا جمع را هدایت کند. این رویکرد “رهبر تور” به جمع اجازه می‌دهد به‌طور دینامیک سازگار شود، زیرا حشرات می‌توانند به یکدیگر کمک کنند تا موانع را پشت سر بگذارند و حرکات خود را در صورت گیر کردن یکی از اعضا تنظیم کنند.

حشراتی که استفاده می‌شوند، سوسک‌های هیس‌زن ماداگاسکار هستند که با یک مدار سبک، حسگرها و یک باتری قابل شارژ بر روی پشت خود تجهیز شده‌اند. این سیستم ناوبری خودکار به آن‌ها کمک می‌کند تا در محیط خود حرکت کنند و به سمت هدف هدایت شوند. این حشرات سایبورگ انرژی بسیار کمتری نسبت به ربات‌های سنتی که برای حرکت به موتورها با مصرف انرژی بالا وابسته هستند، مصرف می‌کنند. پاهای حشره حرکتی را که برای جابجایی کوله‌پشتی نیاز است، فراهم می‌کنند، در حالی که کوله‌پشتی با اعمال تحریکات الکتریکی کوچک، حشره را به سمت یک جهت خاص هدایت می‌کند. هنگامی که این سیستم با الگوریتم کنترل جمعی ترکیب می‌شود، غریزه حشرات به آن‌ها اجازه می‌دهد تا در زمین‌های پیچیده حرکت کنند و به سرعت به تغییرات محیطی پاسخ دهند.

کاهش نیاز به هدایت حشرات با الگوریتم جدید

در آزمایش‌ها، الگوریتم جدید نیاز به هدایت حشرات را نسبت به روش‌های قبلی حدود ۵۰ درصد کاهش داد. این امر به حشرات این امکان را می‌دهد که به‌طور مستقل بر موانع حرکت کنند و مشکلاتی مانند گیر کردن یا محبوس شدن را حل کنند. پروفسور هیراتاکا ساتو از دانشگاه NTU گفت که این فناوری می‌تواند در ماموریت‌های جستجو و نجات، بازرسی زیرساخت‌ها و نظارت بر محیط زیست مفید باشد، جایی که فضاهای باریک و شرایط غیرقابل پیش‌بینی، روبات‌های معمولی را ناکارآمد می‌کند.

او توضیح داد: “برای انجام عملیات جستجو و بازرسی، باید مناطق وسیعی به‌طور مؤثر بررسی شوند، که این کار غالباً در زمین‌های چالش‌برانگیز و پر از موانع انجام می‌شود. این مفهوم شامل استقرار چندین گروه از حشرات سایبورگ برای حرکت و بازرسی این مناطق مسدود شده است. هنگامی که حسگرهای موجود در کوله‌پشتی یک حشره سایبورگ هدفی را شناسایی می‌کنند، مانند انسان‌ها در ماموریت‌های جستجو و نجات یا نقص‌های ساختاری در زیرساخت‌ها، می‌توانند به‌طور بی‌سیم سیستم کنترل را مطلع کنند.”

پروفسور ساتو به‌خاطر کارهای پیشگامانه‌اش در زمینه حشرات سایبورگ شناخته شده است. او پیش‌تر به‌خاطر تحقیقاتی که در سال ۲۰۰۹ به‌عنوان یکی از ۵۰ اختراع برتر مجله TIME و یکی از ۱۰ فناوری نوظهور ۲۰۰۹ (TR10) توسط MIT Technology Review شناخته شد، به شهرت جهانی دست یافت.

پروفسور ماساکی اوگورا، نویسنده همکار این مقاله و استاد در دانشکده علوم و مهندسی پیشرفته دانشگاه هیروشیما، گفت: “الگوریتم کنترل گروه ما یک پیشرفت قابل توجه در هماهنگی گروه‌های حشرات سایبورگ برای ماموریت‌های پیچیده جستجو و نجات است. این نوآوری می‌تواند به‌طور قابل توجهی کارایی پاسخ به بلایای طبیعی را افزایش دهد و همچنین راه‌های جدیدی برای تحقیق در زمینه کنترل گروه‌ها باز کند. این موضوع اهمیت توسعه روش‌های کنترلی را که در سناریوهای واقعی به‌خوبی عمل می‌کنند، برجسته می‌کند و فراتر از مدل‌ها و شبیه‌سازی‌های نظری است.”

پروفسور واکامیا نائوکی، نویسنده همکار دیگر و استاد در دانشکده علوم و فناوری اطلاعات دانشگاه اوزاکا، توضیح داد: “برخلاف روبات‌ها، حشرات به‌گونه‌ای که ما می‌خواهیم عمل نمی‌کنند. اما به‌جای تلاش برای کنترل دقیق آن‌ها به‌صورت اجباری، متوجه شدیم که رویکردی آرام‌تر و غیررسمی نه‌تنها بهتر عمل می‌کند، بلکه منجر به ظهور طبیعی رفتارهای پیچیده‌ای مانند اقدامات همکاری می‌شود که طراحی آن‌ها به‌عنوان الگوریتم‌ها چالش‌برانگیز است. این یک کشف شگفت‌انگیز بود. در حالی که اقدامات آن‌ها در نگاه اول ممکن است بی‌هدف به نظر برسد، به‌نظر می‌رسد هنوز چیزهای زیادی وجود دارد که می‌توانیم از رفتارهای پیچیده و ظریف موجودات زنده بیاموزیم.”

آخرین پیشرفت آن‌ها پتانسیل عملی سیستم‌های بیوهیبرید را در حل چالش‌های دنیای واقعی و اهمیت همکاری‌های بین‌رشته‌ای جهانی را نشان می‌دهد. به‌دنبال این، تیم مشترک قصد دارد الگوریتم‌هایی توسعه دهد که امکان انجام اقدامات هماهنگ گروهی فراتر از حرکات ساده، مانند حمل مشترک اشیاء بزرگ را فراهم کند. آن‌ها همچنین برنامه‌ریزی کرده‌اند که آزمایش‌هایی را در محیط‌های خارجی، از جمله توده‌های آوار که معمولاً در مناطق بلایای طبیعی یافت می‌شود، انجام دهند تا اثربخشی الگوریتم را در سناریوهای پیچیده و واقعی تأیید کنند.