Antcar: Simple Route Following Task with Ants-Inspired Vision and Neural Model
Antcar : Tâche simple de suivi d'itinéraire avec une vision et un modèle neuronal inspirés des fourmis
Résumé
The goal of this project is to develop a new method of Route following for mobile robots in a GNSSdenied environment like urban canyons or indoor. We used a robust biologically constrained neural model inspired by ants developed previously in simulation to assess the familiarity index of a panorama. A visual compass algorithm consists in determining the orientation of the maximum familiarity index with respect to the learned panoramas along a path. A car-like robot was equipped with a 220°fisheye camera. The visual compass algorithm used low resolution images of 44x44 pixels (5°/pixel) indoors and outdoors to determine the direction to follow the previously visually-learned path. Finally, the car-like robot was automated to recall the learned path indoors. The biologically constrained neural model compressed the visual information with a high efficiency so that the visual memory has a very low footprint of a few tens of kilobits that does not depend directly on the path length.
Le but de ce projet est de développer une nouvelle méthode de suivi d'itinéraire pour les robots mobiles dans un environnement dépourvu de GNSS comme les canyons urbains ou l'intérieur. Nous avons utilisé un modèle neuronal robuste et biologiquement contraint inspiré des fourmis développé précédemment en simulation pour évaluer l'indice de familiarité d'un panorama. Un algorithme de boussole visuelle consiste à déterminer l'orientation de l'indice de familiarité maximal par rapport aux panoramas appris le long d'un chemin. Un robot de type voiture a été équipé d'une caméra à œil de poisson de 220°. L'algorithme de la boussole visuelle utilise des images basse résolution de 44x44 pixels (5°/pixel) à l'intérieur et à l'extérieur pour déterminer la direction à suivre le long du chemin préalablement appris visuellement. Enfin, le robot de type voiture a été automatisé pour rappeler le chemin appris à l'intérieur. Le modèle neuronal biologiquement contraint a comprimé les informations visuelles avec une grande efficacité, de sorte que la mémoire visuelle a une empreinte très faible de quelques dizaines de kilobits qui ne dépend pas directement de la longueur du chemin.
| Origine | Fichiers produits par l'(les) auteur(s) |
|---|
