Lo que ve una cámara normal (izquierda) en comparación con una cámara bioinspirada (derecha). Crédito: Adam Hines
Los robots se están convirtiendo cada vez más en una parte de nuestras vidas, desde la automatización del almacén hasta las aspiradoras robóticas. Y al igual que los humanos, los robots necesitan saber dónde están navegando de manera confiable de A a B.
Hasta qué punto, y por cuánto tiempo, un robot puede navegar depende de cuánta potencia consume con el tiempo. Los sistemas de navegación de robots son especialmente hambrientos de energía.
Pero, ¿qué pasaría si el consumo de energía ya no fuera una preocupación?
Nuestra investigación sobre la computación “inspirada en el cerebro”, publicada hoy en Science Robotics, podría hacer que los robots de navegación del futuro sean más eficientes energéticamente de lo que se imaginó anteriormente.
Esto podría extender y expandir lo que es posible para los sistemas con baterías que funcionan en entornos desafiantes como zonas de desastre, bajo el agua e incluso en el espacio.
¿Cómo se ven los robots ‘el mundo?
La batería que se está plenando en su teléfono inteligente suele ser un inconveniente menor. Para un robot, quedarse sin poder puede significar la diferencia entre la vida y la muerte, incluida para las personas a las que podría estar ayudando.
Robots como Búsqueda de drones de búsqueda y rescate, Robots submarinos monitoreando la gran barrera de arrecifey rovers espaciales Todos necesitan navegar mientras se ejecutan con fuentes de alimentación limitadas.
Muchos de estos robots no pueden confiar en el GPS para la navegación. Realizan un seguimiento de dónde están utilizando un proceso llamado Reconocimiento de lugares visuales. Visual Place Reconse deja que un robot estima dónde se encuentra en el mundo usando justo lo que “ve” a través de su cámara.
Pero este método usa mucha energía. Los sistemas de visión robótica por sí solos pueden usar hasta un tercero de la energía De una batería típica de iones de litio que se encuentra a bordo de un robot.
Esto se debe a que la visión robótica moderna, incluido el reconocimiento de lugares visuales, generalmente se basa en modelos de aprendizaje automático hambriento de potencia, similares a los utilizados en AI como ChatGPT.
En comparación, nuestros cerebros requieren solo suficiente potencia para encender una bombillamientras nos permite ver las cosas y navegar por el mundo con notable precisión.
Los ingenieros de robótica a menudo buscan inspiración en la biología. En nuestro nuevo estudio, recurrimos al cerebro humano para ayudarnos a crear un nuevo sistema de reconocimiento de lugares visuales de eficiencia energética.
Imitando el cerebro
Nuestro sistema utiliza una tecnología inspirada en el cerebro llamada computación neuromórfica. Como su nombre indica, las computadoras neuromórficas toman principios de la neurociencia para diseñar chips y software de computadora que puedan aprender y procesar información como lo hacen los cerebros humanos.
Una característica importante de las computadoras neuromórficas es que son altamente eficientes en energía. Una computadora normal puede usar hasta 100 veces más potencia que un chip neuromórfico.
Visualización de lentes durante la localización. Crédito: Robótica de Ciencias (2025). Doi: 10.1126/scirobotics.ads3968
Sin embargo, la computación neuromórfica no se limita solo a chips de computadora. Se puede combinar con cámaras bioinspiradas que capturan el mundo más como lo hace el ojo humano. Estos se llaman Sensores de visión dinámicaY funcionan como detectores de movimiento para cada píxel. Solo “se despiertan” y envían información cuando algo cambia en la escena, en lugar de transmitir constantemente datos como una cámara normal.
Estas cámaras biológicas también son altamente eficientes en energía, utilizando menos del 1% de la potencia de las cámaras normales.
Entonces, si las computadoras inspiradas en el cerebro y las cámaras bioinspiradas son tan maravillosas, ¿por qué los robots no las usan en todas partes? Bueno, hay una variedad de desafíos que superar, que fue el foco de nuestra investigación reciente.
Un nuevo tipo de lente
Las propiedades únicas de un sensor de visión dinámica son, irónicamente, un factor limitante en muchos sistemas de reconocimiento de lugares visuales.
Los modelos estándar de reconocimiento de lugares visuales se basan en la base de imágenes estáticas, como los que toman su teléfono inteligente. Dado que un sensor neuromórfico no produce imágenes estáticas, pero siente el mundo de una manera en constante cambio, necesitamos una computadora inspirada en el cerebro para procesar lo que “ve”.
Nuestra investigación supera este desafío combinando chips y sensores neuromórficos para robots que usan el reconocimiento visual de lugares. Llamamos a este sistema Codificación de ubicación con sistemas neuromórficoso lente para abreviar.
Lens utiliza el flujo de información continua de un sensor de visión dinámica directamente en un chip neuromórfico. El sistema utiliza un método de aprendizaje automático conocido como APOYKING REDS NEUNALES. Estas información de procesos como los cerebros humanos lo hacen.
Al combinar todos estos componentes neuromórficos, reducimos la potencia necesaria para el reconocimiento visual de lugares en más del 90%. Dado que casi un tercio de la energía necesaria para un robot está relacionada con la visión, esta es una reducción significativa.
Para lograr esto, utilizamos un producto estándar llamado Synsense Speckque combina un chip neuromórfico y un sensor de visión dinámica, todo en un paquete compacto.
Todo el sistema solo requería 180 kilobytes de memoria para mapear un área de Brisbane de ocho kilómetros de longitud. Esa es una pequeña fracción de lo que se necesitaría en un sistema de reconocimiento de lugar visual estándar.
Un robot en la naturaleza
Para las pruebas, colocamos nuestro sistema de lente en un robot Hexapod. Los hexápodos son robots de múltiples terrenos que pueden navegar tanto en interiores como en exteriores.
En nuestras pruebas, la lente se realizó, así como un sistema de reconocimiento de lugar visual típico, pero usó mucha menos energía.
Nuestro trabajo llega en un momento en que el desarrollo de IA está en la tendencia de crear soluciones más grandes y más hambrientas de energía para mejorar el rendimiento. La energía necesaria para entrenar y usar sistemas como AAIP de Opic es notoriamente exigentecon preocupaciones que la IA moderna representa crecimiento insostenible en demandas de energía.
Para los robots que necesitan navegar, desarrollar una IA más compacta y eficiente en energía que use la computación neuromórfica podría ser clave para poder ir más lejos y durante períodos de tiempo más largos. Todavía hay desafíos para resolver, pero estamos más cerca de hacerlo realidad.
Más información: Adam D. Hines et al, un sistema neuromórfico compacto para la localización de robots de ultraleergía, en el dispositivo, Robótica de Ciencias (2025). Doi: 10.1126/scirobotics.ads3968
Proporcionado por la conversación
Este artículo se republicó de La conversación bajo una licencia Creative Commons. Leer el artículo original.
Cita: los ojos del robot tienen poder de poder. ¿Qué pasa si les dimos herramientas inspiradas en el cerebro humano? (2025, 19 de junio) Consultado el 19 de junio de 2025 de https://techxplore.com/news/2025-06-Robot-eyes-power-hungry-gave.html
Este documento está sujeto a derechos de autor. Además de cualquier trato justo con el propósito de estudio o investigación privada, no se puede reproducir ninguna parte sin el permiso por escrito. El contenido se proporciona solo para fines de información.
