Sonar en robotica

Onderzoekers van UAntwerpen en Flanders Make lieten zich inspireren door de natuur bij het ontwikkelen van nieuwe sonartechnologieën

Onderzoekers van de Universiteit Antwerpen en Flanders Make introduceren twee nieuwe baanbrekende technieken in sonar- en echolocatieonderzoek. Uit de modellen blijkt de potentie die sonar heeft als krachtig hulpmiddel voor robotnavigatie en biologisch onderzoek.

De onderzoekers van de Faculteit Toegepaste Ingenieurswetenschappen (UAntwerpen) en Flanders Make, het strategisch onderzoekscentrum voor de maakindustrie, baseerden zich op de bevinding dat de huidige sonarsensoren beperkt zijn in de hoeveelheid informatie die ze uit de omgeving distilleren. De meeste van de huidige geavanceerde systemen halen enkel de locatie van eenvoudige objecten uit de akoestische gegevens. Dit beperkt op zijn beurt de hoeveelheid complexe interacties die robots met behulp van deze informatie met hun omgeving kunnen aangaan, wat betekent dat ze louter zeer eenvoudige taken uit kunnen voeren.

​De twee nieuwe modellen tonen het potentieel van sonar als hulpmiddel voor robotnavigatie.​

Om dit probleem op te lossen, hebben de onderzoekers zich laten inspireren door de natuur om beter om te gaan met akoestische gegevens. In de biologie is het een gangbare hypothese dat de hersenen voortdurend voorspellingen doen over hoe de wereld eruit zou moeten zien wanneer ze wordt waargenomen door de zintuigen (ogen, oren, tastzin...). Deze benadering wordt predictive processing (voorspellende verwerking) genoemd. De voorspellingen worden gedaan met behulp van een model van de wereld, dat wordt verfijnd op basis van de discrepanties tussen de voorspellingen en de waarnemingen.

Navigeren in complexe omgevingen

Met behulp van het nieuw ontwikkelde EchoPT-model, een soort ChatGPT voor sonargegevens, wordt het mogelijk om te voorspellen hoe de sensorische gegevens in de loop van de tijd zouden moeten evolueren terwijl een robot bepaalde bewegingen uitvoert. De discrepanties tussen de voorspellingen en waarnemingen kunnen dan worden gebruikt om de toestand van de wereld af te leiden en de robots beter te laten navigeren in complexe omgevingen, zoals lawaaiige industriezones.

Naast het EchoPT-model hebben de onderzoekers nog een nieuw model ontwikkeld: SonoNERFs. Met behulp van dit model is het mogelijk om gedetailleerde 3D-modellen van de wereld te reconstrueren met behulp van het soort sensorische gegevens die echolocerende vleermuizen gebruiken. Hierbij wordt uitgegaan van hetzelfde principe van voorspellende verwerking als bij het EchoPT-model. Dit basismodel voor hoe vleermuizen complexe beslissingen zouden kunnen nemen in ingewikkelde situaties heeft als inspiratie gediend voor de ontwikkeling van het EchoPT-model.

Zelflerende oplossingen

“Deze twee nieuwe modellen laten het potentieel zien van sonar als een krachtig hulpmiddel voor robotnavigatie en biologisch onderzoek, vooral in combinatie met nieuwe en krachtige AI-technieken”, zegt Jan Steckel, hoofddocent aan de Universiteit Antwerpen. “EchoPT en SonoNERF bieden zelflerende oplossingen die conventionele sensoren overtreffen en ons dichter brengen bij het begrijpen van natuurlijke echolocatie zoals we die zien bij vleermuizen. Met deze doorbraken hopen we de weg vrij te maken voor nieuwe toepassingen in de autonome robotica.”