[论文解读] Insect-Computer Hybrid System for Autonomous Search and Rescue Mission

P. Thanh Tran-Ngoc, Duc-Thanh Le+10 more|arXiv (Cornell University)|May 23, 2021

Smart Agriculture and AI被引用 5

一句话总结

本文提出了一种昆虫-计算机混合系统，利用活体甲虫作为移动平台，实现自主搜索与救援任务。通过集成微控制器、定制导航算法以及基于红外技术的人体存在检测系统（采用机器学习模型），该系统在复杂地形中实现了自主探索，并以低功耗实现了高精度的人体检测，支持超过一小时的持续运行。

ABSTRACT

There is still a long way to go before artificial mini robots are really used for search and rescue missions in disaster-hit areas due to hindrance in power consumption, computation load of the locomotion, and obstacle-avoidance system. Insect-computer hybrid system, which is the fusion of living insect platform and microcontroller, emerges as an alternative solution. This study demonstrates the first-ever insect-computer hybrid system conceived for search and rescue missions, which is capable of autonomous navigation and human presence detection in an unstructured environment. Customized navigation control algorithm utilizing the insect's intrinsic navigation capability achieved exploration and negotiation of complex terrains. On-board high-accuracy human presence detection using infrared camera was achieved with a custom machine learning model. Low power consumption suggests system suitability for hour-long operations and its potential for realization in real-life missions.

研究动机与目标

• 开发一种适用于非结构化灾难环境的低功耗、自主搜索与救援系统。
• 克服人工微型机器人的局限性，如高功耗和复杂的运动控制。
• 利用活体昆虫的天然运动与导航能力，作为机器人系统的生物平台。
• 通过红外传感与机器学习实现机载人体存在检测，实现实时受害者定位。
• 通过低功耗系统设计，证明系统可实现超过一小时的持续运行。

提出的方法

• 利用活体甲虫作为生物平台，减少对复杂人工运动系统的需求。
• 将微控制器与甲虫集成，以实现远程控制与数据处理。
• 开发定制化导航控制算法，利用昆虫固有的导航能力实现复杂地形的穿越。
• 为系统配备红外摄像头与定制训练的机器学习模型，实现高精度的人体存在检测。
• 通过低占空比传感与高效微控制器运行，优化功耗。
• 通过结合昆虫行为与算法决策，实现探索与障碍物规避的自主运行。

实验结果

研究问题

• RQ1 结合活体昆虫与微控制器的混合系统是否能在非结构化、类似灾难的环境中实现自主导航？
• RQ2 基于机载红外与机器学习的系统在复杂地形中对人体存在的检测精度如何？
• RQ3 该系统的低功耗特性在多大程度上支持真实世界搜索与救援任务中的持续运行？
• RQ4 昆虫的天然运动能力是否能有效减轻机器系统的计算与机械负载？
• RQ5 在真实世界条件下，该系统在探索效率与人体检测可靠性方面的表现如何？

主要发现

• 系统通过利用甲虫的先天运动与导航能力，实现了在复杂地形中的自主导航。
• 基于红外摄像头与定制机器学习模型的人体存在检测在实时检测中表现出高精度。
• 系统在单个电源下连续运行超过一小时，表明其在真实任务中的高度适用性。
• 与全人工微型机器人相比，该混合方法显著降低了功耗。
• 生物运动与电子控制的结合，有效实现了非结构化环境中的探索与障碍物规避。
• 视频演示证实了系统在真实世界场景中的功能表现，包括人体检测与自主路径规划。