Né tránh các vật cản gần nhanh chóng là một kỹ năng cơ bản cho cả động vật và robot thông minh. Dù có bộ não nhỏ và mắt độ phân giải thấp, ruồi lại rất khéo léo trong việc tránh va chạm ở tốc độ cao. Chúng có thể thực hiện những động tác nhanh nhẹn và thoát khỏi kẻ săn mồi trong nháy mắt.

Xem thêm: 

Siêu Vật Liệu Mới Có Tính Chất Của Gốm Lẫn Nhựa

Cách mạng hóa máy tính: Bộ nhớ lấy cảm hứng từ não người với những thành phần quen thuộc

Làm thế nào ruồi có thể làm được điều kỳ diệu này? Gần đây, các nhà nghiên cứu đã xác định một mạch thần kinh trong ruồi giấm Drosophila có trách nhiệm phát hiện các vật cản, là những vật có vẻ như phình to nhanh chóng khi chúng tiến gần. Mạch này chỉ gồm bốn loại tế bào thần kinh xử lý các tín hiệu chuyển động cục bộ từ mắt của ruồi và tạo ra một đầu ra kích hoạt phản ứng thoát hiểm.

Trong nghiên cứu này, các nhà nghiên cứu phát triển một mô hình tính toán lấy cảm hứng từ mạch phát hiện vật cản của ruồi giấm. Sau khi kiểm tra hiệu suất của mô hình trên các hình ảnh tổng hợp và tự nhiên, và so sánh nó với các mô hình khác. Kết quả cho thấy rằng mạch của ruồi là một thuật toán đơn giản và hiệu quả cho việc tránh va chạm, có thể được trích xuất và áp dụng cho thị giác máy tính thời gian thực.

Những đặc điểm chính nào có thể ứng dụng cho robot thông minh?

Cá nhà khoa học đã phát hiện ra rằng các tín hiệu chuyển động cục bộ có nhiều nhiễu, điểm then chốt để mạch của ruồi đạt được sự phát hiện chính xác.

Mô hình này dùng hai phương pháp tính toán để mã hóa và kết hợp các tín hiệu chuyển động cục bộ từ mắt ruồi: mã hóa quần thể và tích hợp phi tuyến. Mã hóa quần thể giúp giảm nhiễu và tăng độ tin cậy, còn tích hợp phi tuyến giúp tăng độ tương phản và lựa chọn. Kết quả là một tín hiệu vật cản toàn cục chính xác và nhanh chóng.

Mô hình không chỉ đơn giản và hiệu quả, mà còn linh hoạt và vững chắc. Mô hình có thể được dễ dàng điều chỉnh cho các kịch bản khác nhau bằng cách thay đổi các thông số của nó, như kích thước và hình dạng của các trường thụ cảm, số lượng và loại tế bào thần kinh, và ngưỡng để kích hoạt phản ứng thoát hiểm. Mô hình cũng có thể đối phó với các thách thức khác nhau, như che khuất, lộn xộn hoặc chuyển động nền.

Ứng dụng thực tế của mô hình đã triển khai trên các robot ảo phải tránh va chạm với các vật cản đang di chuyển trong một môi trường mô phỏng. Các robot được trang bị máy ảnh cung cấp đầu vào thị giác cho mô hình, sau đó điều khiển hành vi lái của chúng. Các robot đã có thể tránh va chạm thành công với các loại vật cản khác nhau, như bóng, xe hơi hoặc chim.

Mô hình làm sáng tỏ tiềm năng của thuật toán ruồi ngắn gọn trong các ứng dụng thời gian thực, như xe tự lái, máy bay không người lái hoặc robot. Mô hình cũng cung cấp những hiểu biết về cách các hệ thống tự nhiên đã tiến hóa để giải quyết các vấn đề phức tạp với những giải pháp đơn giản.

Nghiên cứu đăng trên: Iscience