Un team di ricercatori della QUT (Queensland University of Technology) ha sviluppato un approccio profondamente innovativo per la navigazione autonoma dei robot, attingendo direttamente al più efficiente sistema di orientamento che conosciamo: il cervello umano. Questo nuovo sistema, battezzato LENS (Locational Encoding with Neuromorphic Systems), non si limita a copiare la natura, ma ne adotta i principi fondamentali per ottenere un risparmio energetico sbalorditivo, operando con meno del 10% dell'energia richiesta dai sistemi convenzionali.
Il cuore di questa tecnologia risiede nel calcolo neuromorfico, un campo dell'informatica che progetta chip e algoritmi per imitare le reti neurali biologiche. "Per far funzionare questi sistemi neuromorfici, abbiamo progettato algoritmi specializzati che imparano in modo più simile agli esseri umani, elaborando le informazioni sotto forma di impulsi elettrici, analoghi ai segnali utilizzati dai neuroni reali", ha spiegato il neuroscienziato Dr. Adam Hines (in testata), primo autore dello studio pubblicato sulla prestigiosa rivista Science Robotics.
L'energia è una risorsa cruciale per qualsiasi robot che operi nel mondo reale, specialmente in contesti come le missioni di soccorso, l'esplorazione degli abissi marini o le avventure spaziali. I sistemi di navigazione standard sono notoriamente energivori, limitando severamente l'autonomia e il raggio d'azione di queste macchine. Il sistema LENS affronta questo problema alla radice, combinando due tecnologie chiave.
La prima è una speciale "event camera". A differenza delle telecamere tradizionali che catturano un'immagine completa a intervalli regolari, questo tipo di sensore rileva continuamente solo i cambiamenti di luminosità a livello di singolo pixel, ogni microsecondo. "Questo processo imita molto da vicino l'elaborazione visiva umana", ha sottolineato il Dr. Tobias Fischer, uno dei co-autori. In questo modo, il sistema si concentra solo sui dati essenziali, ovvero il movimento e le variazioni nella scena, scartando le informazioni ridondanti e risparmiando un'enorme quantità di energia e di calcolo.
I dati "focalizzati sul movimento" vengono poi elaborati da una rete neurale spiking, che opera su un chip a basso consumo. Questa rete neurale è il vero "cervello" del sistema, che impara a riconoscere i luoghi basandosi sui segnali visivi percepiti. Durante i test, LENS ha dimostrato di poter riconoscere con efficacia le posizioni lungo un percorso di 8 chilometri, utilizzando un'impronta di memoria di appena 180 kilobyte, quasi 300 volte inferiore rispetto ad altri sistemi.
Secondo il Professor Michael Milford, un altro autore dello studio, questo lavoro rappresenta un passo fondamentale verso la creazione di sistemi robotici ad alta efficienza energetica che possano finalmente garantire le prestazioni e la resistenza necessarie per le applicazioni più complesse e utili. L'impatto di questa tecnologia potrebbe essere vastissimo, permettendo di mappare più estensivamente le aree colpite da disastri, esplorare altri pianeti per periodi prolungati o monitorare gli ambienti marini con una costanza oggi impensabile.
NetEase Games annuncia Blood Message, un nuovo gioco AAA d'azione e avventura per PC e console