Auto Byte

专注未来出行及智能汽车科技

微信扫一扫获取更多资讯

Science AI

关注人工智能与其他前沿技术、基础学科的交叉研究与融合发展

微信扫一扫获取更多资讯

蛋酱、小舟报道

背着相机的甲虫登上Science子刊,它拍下了昆虫界第一部Vlog

你知道昆虫的视界是什么样的吗?



如果昆虫也成为了一名 Vlogger,作品会是什么样的?

近日,一项在甲虫背部安装相机的研究登上《Science Robotics》,为我们揭晓了这一谜题。通过了解自然界中昆虫的视觉系统并做出取舍,研究者以平衡能量、计算量和质量的方式,为昆虫规模的机器人设计出更好的视觉系统。


让身长不足三厘米的甲虫背上相机,这件事并不简单。在人类看来最微小的摄像机,也足以压垮昆虫。因而,研究者首先思考的问题是:如何打造出一款适用于昆虫搭载的可操纵摄像机?

在该研究中,研究者设计出一种完全无线、动力自动化、机械可操纵的视觉系统。该系统用足够小的形状因子模仿昆虫的头部运动,可以安装在活的甲虫或类似大小的陆地机器人背部。

对于昆虫大小的机器人来说,无线视觉提供了丰富的环境形状和纹理信息。这在大型机器人中很常见,但在资源有限的小型平台上却是一个挑战。

安装在甲虫或类似大小的机器人背上的相机基本构造。

电子设备的执行器重 248 毫克,并且可以根据智能手机的命令将相机转向 60 度。制作好的相机约为硬币大小,以每秒 1 到 5 帧(fps)将 “第一人称主视角” 以 160*120 像素的单色视频传到距离 120 米远的蓝牙无线电中。



研究者将该视觉系统安装在两种自由行走的活甲虫上,使用板载加速度计触发图像捕获,在 10 毫安时的电池下操作时长可以达到 6 个小时。

电子图像传感器遵循与生物眼睛相似的趋势,由于更简单,分辨率更低的图像传感器消耗更少的质量和能源,所需的计算量也更少。在许多小型移动相机的兴趣场景中,图像分辨率是一个限制因素。研究者没有削减分辨率或视野,而是探索了自然界中使用的方法。并设计了一个机械可操纵的视觉系统,模仿头部运动。

研究者还加入了一个超小型压电悬臂驱动器和一个微制造的杠杆臂来操纵摄像机。通过合并转向,系统提供了更高的分辨率,可能与广角镜头覆盖相同的视野。研究者进一步表明,该系统的移动装置实际上比移动昆虫或机器人的身体更有效,最大限度地减少了对电池寿命的影响,并允许锁定移动物体。

用这样的方法,研究者开发了一个完全无线的机械可操纵视觉系统。它的形状因子足够小,可以安装在活的甲虫和类似大小的陆地机器人的背上。

对于活的昆虫来说,无线第一人称视角代表了一种之前从未展示过的能力。这可以用于研究昆虫的行为,例如在会受到控制的实验室环境之外,它们如何感知和相互作用,以及它们与环境之间的相互影响。

将微型黑白相机装在昆虫背部,然后放它自由爬行,摄像机会将照片和视频传回 iPhone,从中我们可以窥见甲虫眼中的万物:


为了读取相机数据,研究者重新调整了串行外设接口(SPI)的用途,该接口可以访问 DMA。通过 SPI 接口读取数据需要数据信号,时钟信号合片选信号(CS)。为了提供协议要求的缺失 CS 信号,研究者利用了摄像机的行有效输出。该信号配置为触发蓝牙芯片上的中断,该中断触发输出引脚以 “欺骗” 缺失的 CS 信号。

与平常的移动整个机器人的方式相比,这种可操纵的视觉系统使得目标跟踪和广角视图的能耗降低为 1/26 或 1/84。


从昆虫的视角来看,普通马克杯或是魔方,都能变为高耸的建筑物。



这种身背机器的昆虫显然无法贡献高清晰的图像,但甲虫摄影师却有独特的好处:它能够在崎岖的地面爬行,并钻进岩石缝隙和狭窄管道中探索内部景象。


鉴于昆虫是活体,不容易操纵,研究者还设计了一款小型昆虫规模的机器人,以便对其进行完全的远程控制。这是有史以来最小的具有动力自主功能的地面机器人,体型为 1.6 厘米 x 2 厘米,移动速度约为每秒 3.5 厘米,在现有的供能条件下可连续运行 63 到 260 分钟。


下一步,研究者计划将该无线摄像系统安装在飞行类生物身上,这也许会带来新的挑战,例如大黄蜂只能携带 100 毫克到 200 毫克的重量。通过使用定制传感器和不同类型的镜头,摄像机本身也还可以等比例缩小。电源系统是其中的主要限制,这一点或许可以通过太阳能供电来解决。

参考链接:
https://spectrum.ieee.org/automaton/robotics/robotics-hardware/uw-micro-camera
https://robotics.sciencemag.org/content/5/44/eabb0839
https://www.sciencemag.org/news/2020/07/watch-tiny-camera-show-world-bug-s-point-view
理论机器人技术机器视觉
暂无评论
暂无评论~