蝗灾带来的研究灵感与契机

2020 年 8 月 26 日 学术头条


2020 年以来,从非洲到南亚,沙漠蝗虫灾害侵袭全球多地。2020 年 7 月,南亚国家印度再遭蝗灾袭击,并且部分城市进入警戒状态。

现在,一个由宾夕法尼亚州立大学工程师组成的研发团队以漫天蝗群中单个蝗虫不会互相碰撞为契机,正在研制一种低功率的碰撞探测器,
它可以模仿蝗虫躲避碰撞的反应,帮助机器人、无人机甚至无人驾驶汽车避免碰撞

目前自动驾驶技术面临的最大问题,就是如何保证车辆在上路时的安全性。如何避免车辆在行驶路上发生碰撞,已经是汽车制造工业的一个巨大挑战。而从生物学角度来说,昆虫为自动驾驶技术中的碰撞检测和人工视觉系统提供了丰富的灵感来源。

宾夕法尼亚州立大学 工程科学和力学助理教授 Saptarshi Das 说:“我们一直在寻找具有不同寻常能力的动物,那些比人类做得更好的动物。其中, 昆虫的视觉是人们经常用来设计自动系统的东西,因为它们会飞,且不会相互碰撞 。后来我们发现了蝗虫是独一无二的研究对象。”

研究人员开发的这个防碰撞的探测器是一种紧凑的纳米级碰撞检测器,并且使用单层硫化钼作为光电检测器。他们把光电探测器放在一个可编程的浮动门存储器结构的顶部,这种存储器结构仅用少量的能量就可以模拟蝗虫的神经元反应。


这项研究于 8 月 24 日发表在 Nature Electronics 期刊,研究人员并表示,这是“向智能、低成本、特定任务、节能和小型化防撞系统的发展迈出的一大飞跃。”


蝗灾带来的研究灵感与契机

蝗灾,主要是指蝗虫引起的灾变,数以百万计的昆虫,飞越天空攻击庄稼,但是在这些大群蝗虫中,即使数量众多,也不会出现单个昆虫互相碰撞的情况。

不过一旦发生蝗灾,大量的蝗虫会吞食禾田,使农产品完全遭到破坏,引发严重的经济损失以致因粮食短缺而发生饥荒。



而全球变暖,尤其冬季温度的上升,有利于蝗虫越冬卵的增加,为第二年蝗灾的爆发提供“虫卵”;此外气候变暖、干旱加剧,草场退化等多种因素的叠加,为蝗虫产卵提供了合适的产地,而且蝗虫适应干旱的能力极强,这是因为以蝗虫为食物的其他昆虫和鸟类在此情况下都不能生存,而且一种能造成蝗虫疾病的丝状菌被抑制活性,故而使其在干旱地区数量大大增加。

因此专家预测,随着全球变暖的趋势,未来蝗灾发生的规模会越来越大,对中国和世界的粮食生产将造成严重的影响。

当然,我们今天文章的重点,不在蝗灾,而在单个蝗虫。

蝗虫之所以不同寻常,是因为它们使用一种叫做 Lobula Giant Movement Detector (LGMD)的单一特殊神经元来避免碰撞。Das 说:“我们开始研究它是如何工作,蝗虫还真是令人难以置信。”


根据宾夕法尼亚州立大学工程科学和力学专业的研究生 Darsith Jayachandran 的说法,神经元会接收到两种不同的信号,其中一个输入是一只逼近的蝗虫影像落在作为躲避方的蝗虫眼睛上,入侵的蝗虫越接近,图像越大,激发信号越强;而另一个输入是入侵蝗虫相对于躲避蝗虫的角速度变化。

Jayachandran 说:“因为神经元有两个分支,蝗虫计算出这两个输入信号的变化,然后意识到有东西会发生碰撞。所以躲避方的蝗虫改变了方向。”


无人驾驶汽车探测器

根据研究人员在论文中的解释,蝗虫以每小时 2 至 3 英里的速度移动,并为了防止与其余飞行的蝗虫碰撞又在数百毫秒内改变飞行方向。而决定这样的移动需要使用非线性数学和极小的能量消耗。

蝗虫的这种快速反应和适度的能量消耗是对于机械碰撞探测器有极大的吸引力,虽然目前用于无人驾驶汽车的探测器非常广泛,但研究人员这次研制的碰撞探测器能够在两秒钟内做出反应。

此外,根据研究人员的说法,这种基于硫化钼的传感器并不是万能的探测器,而是针对特定任务的一种探测器,但因为它的体积太小,能耗也很少,所以大体上是可以接受的。



一个车辆碰撞检测器模仿蝗虫的回避神经元,使它们能成群飞行。

研究团队基于蝗虫大脑开发设计计算机神经网络程序,可以设定程序使一个移动机器人探测即将接近的物体,并避免与它们发生碰撞。

简单地说,该探测器的主要原理是:
光电探测器会引起设备电流增加以响应迎面是否有物体移动,这被称为兴奋信号,而底层可编程存储器堆栈又总是引起设备电流减少,即为抑制信号。当一个物体靠近时,兴奋信号被添加到抑制性的刺激(即抑制信号)中,引起设备电流的非单调性变化,从而模拟蝗虫 LGMD 神经元的逃逸反应

Das 表示:“蝗虫只能避免与其他蝗虫的碰撞,而我们的设备可以探测不同速度物体的潜在碰撞。”


目前,研究人员只对直接碰撞路径上的物体进行了测试。他们仍然需要优化防碰撞设备对其他突发情况的响应。宾夕法尼亚州立大学工程科学与力学专业的研究生 Aaryan Oberoi 说:“我们不能对每种情况进行所有的测量。因此我们开发了一个用于以上检测的数值模型。该模型同时还可以测试在同一芯片上的多个设备是否能更好地工作。到目前为止,这样的单个设备在机器人、无人机甚至无人驾驶汽车领域已经足够了。然而,多像素碰撞检测器阵列可以在 3D 空间提供碰撞避免。”

同时,美国空军科学研究办公室、美国陆军研究办公室和国家科学基金会也支持了这项研究。据了解,研究人员也已经申请了这项技术的美国临时专利。


排版:赵辰霞
编审:王新凯

资料来源:
https://www.nature.com/articles/s41928-020-00466-9
https://www.eurekalert.org/pub_releases/2020-08/ps-lsc081920.php



点击 阅读原文 ,查看更多精彩!
喜欢本篇内容,请 分享、点赞、 在看
登录查看更多
0

相关内容

宾夕法尼亚州立大学是美国东部的一所综合性关联型州立大学,成立于1855年,绰号为尼塔尼雄狮。
鲁棒模式识别研究进展
专知会员服务
40+阅读 · 2020年8月9日
专知会员服务
31+阅读 · 2020年4月24日
计算机视觉用于新冠病毒COVID-19的控制综述,25页pdf
专知会员服务
52+阅读 · 2020年4月22日
专知会员服务
121+阅读 · 2020年3月26日
新时期我国信息技术产业的发展
专知会员服务
69+阅读 · 2020年1月18日
2019中国硬科技发展白皮书 193页
专知会员服务
78+阅读 · 2019年12月13日
浙大又发《Nature》!一种全新的强韧化机制!
材料科学与工程
5+阅读 · 2019年10月10日
趋势分析 | 技术进步对国际关系有哪些影响?
未来产业促进会
5+阅读 · 2019年5月5日
Nature 一周论文导读 | 2019 年 4 月 4 日
科研圈
7+阅读 · 2019年4月14日
量子计算、边缘计算、数据挖掘 前沿研究报告
人工智能学家
6+阅读 · 2019年3月16日
科学家揭示沙利度胺的致畸原理
生物探索
5+阅读 · 2018年8月6日
丘成桐:攻克物理难题的数学大师
科技导报
5+阅读 · 2018年7月23日
【无人机】无人机的自主与智能控制
产业智能官
42+阅读 · 2017年11月27日
Arxiv
9+阅读 · 2018年10月24日
Arxiv
12+阅读 · 2018年9月5日
Relational Deep Reinforcement Learning
Arxiv
10+阅读 · 2018年6月28日
Arxiv
4+阅读 · 2018年4月10日
Arxiv
10+阅读 · 2018年2月9日
Arxiv
6+阅读 · 2018年2月7日
Arxiv
7+阅读 · 2017年12月26日
Arxiv
3+阅读 · 2017年12月18日
VIP会员
相关VIP内容
鲁棒模式识别研究进展
专知会员服务
40+阅读 · 2020年8月9日
专知会员服务
31+阅读 · 2020年4月24日
计算机视觉用于新冠病毒COVID-19的控制综述,25页pdf
专知会员服务
52+阅读 · 2020年4月22日
专知会员服务
121+阅读 · 2020年3月26日
新时期我国信息技术产业的发展
专知会员服务
69+阅读 · 2020年1月18日
2019中国硬科技发展白皮书 193页
专知会员服务
78+阅读 · 2019年12月13日
相关资讯
浙大又发《Nature》!一种全新的强韧化机制!
材料科学与工程
5+阅读 · 2019年10月10日
趋势分析 | 技术进步对国际关系有哪些影响?
未来产业促进会
5+阅读 · 2019年5月5日
Nature 一周论文导读 | 2019 年 4 月 4 日
科研圈
7+阅读 · 2019年4月14日
量子计算、边缘计算、数据挖掘 前沿研究报告
人工智能学家
6+阅读 · 2019年3月16日
科学家揭示沙利度胺的致畸原理
生物探索
5+阅读 · 2018年8月6日
丘成桐:攻克物理难题的数学大师
科技导报
5+阅读 · 2018年7月23日
【无人机】无人机的自主与智能控制
产业智能官
42+阅读 · 2017年11月27日
相关论文
Arxiv
9+阅读 · 2018年10月24日
Arxiv
12+阅读 · 2018年9月5日
Relational Deep Reinforcement Learning
Arxiv
10+阅读 · 2018年6月28日
Arxiv
4+阅读 · 2018年4月10日
Arxiv
10+阅读 · 2018年2月9日
Arxiv
6+阅读 · 2018年2月7日
Arxiv
7+阅读 · 2017年12月26日
Arxiv
3+阅读 · 2017年12月18日
Top
微信扫码咨询专知VIP会员