Hoe het brein van een sprinkhaan robots kan leren botsingen te voorkomen
Een sprinkhaan heeft geen airbags, geen radar en geen groot brein. Toch weet hij bliksemsnel te ontsnappen als er iets op hem afkomt. Hoe lukt dat met zo'n simpel zenuwstelsel? Een groep onderzoekers bouwde het botsingsdetectiesysteem van de sprinkhaan na in een computermodel, en dat model presteert opvallend goed.
Sprinkhanen hebben in hun hersenen speciale zenuwcellen die reageren zodra iets snel dichterbij komt. Deze cellen heten LGMD-neuronen (Lobula Giant Movement Detector), een soort alarmknop voor "gevaar nadert". Wetenschappers bestuderen deze cellen al jaren, omdat ze willen begrijpen hoe zo'n klein insectenbrein zo goed is in het herkennen van naderende objecten. Die kennis kan ook handig zijn voor zelfrijdende auto's of robots die moeten leren botsingen te vermijden.
Eerdere computermodellen van dit sprinkhanen-systeem werkten wel, maar hadden twee problemen. Ze leken niet heel precies op de echte biologie, en ze werkten minder goed in rommelige, wisselende omgevingen, zoals drukke straten met bewegende schaduwen en andere verstoringen.
Drie truukjes uit de natuur
Het nieuwe model, gebouwd door een onderzoeksteam, kopieert drie bouwstenen van het echte sprinkhanenoog en -brein preciezer dan ooit.
Ten eerste bootst het model de opbouw van het facetoog van de sprinkhaan na. Dit oog bestaat uit duizenden kleine lensjes die het beeld gelijkmatig in alle richtingen aftasten, in plaats van vanuit één punt zoals een gewone camera. Ten tweede gebruikt het model "populatie-stemmen": in plaats van dat één zenuwcel alleen beslist of er gevaar is, stemmen groepen cellen samen, net zoals dat in echte hersenen gebeurt. Dat maakt het systeem minder gevoelig voor ruis of storing. Ten derde reageren de kunstmatige zenuwcellen met kleine, losse piekjes van activiteit (spikes), precies zoals echte neuronen dat doen, in plaats van met een vloeiende wiskundige curve die eerdere modellen gebruikten.
Het team testte dit model op drie soorten data: kunstmatig gegenereerde beelden, video's uit het lab, en echte beelden van een rijdende auto in het verkeer. In al deze tests bleek het nieuwe model beter bestand tegen lastige omstandigheden dan eerdere versies, terwijl het net zo snel bleef rekenen.
Wat betekent dit (nog) niet: Dit is een technisch model, getest in specifieke experimenten door één onderzoeksteam. Het laat zien dat een op de sprinkhaan geïnspireerde aanpak goed werkt onder de geteste omstandigheden. Het betekent niet dat dit systeem al klaar is om in echte auto's of robots te worden ingebouwd, of dat het beter is dan alle andere botsingsdetectiemethoden die er bestaan. Ook zegt dit onderzoek niets over het menselijk brein of menselijk gedrag: het gaat puur over het zenuwstelsel van een insect en een computermodel dat dit nabootst.
Waarom is dit interessant? Het laat zien dat je met een piepklein, energiezuinig zenuwstelsel toch heel slim gevaar kunt herkennen, zonder zware rekenkracht. Voor techniek die botsingen moet voorkomen, zoals in zelfrijdende auto's of kleine drones, kan zulke natuurlijke efficiëntie waardevol zijn. Het onderzoek toont vooral hoe knap de evolutie een simpele oplossing heeft gevonden voor een ingewikkeld probleem: op tijd zien dat er iets op je afkomt.
Bron: A Bio-Plausible Visual Neural Network for Locust-Inspired Collision Perception