28.11.2017

Dem effektivsten Raubtier der Natur nacheifern

Das effektivste Raubtier, das die Natur zu bieten hat, ist nicht etwa der Hai oder der Löwe, sondern die Libelle.

Mit Geschwindigkeiten von bis 60km/h schafft es diese Flugkünstlerin ihre winzige fliegende Beute in der Luft auszumachen, zu verfolgen und schließlich auch einzufangen. Dabei hat sie eine unglaubliche Erfolgsbilanz von über 95 %.

Solche Fähigkeiten auch für menschliche Lebenszusammenhänge nutzbar zu machen hat gerade für die Bereiche Verteidigung und Überwachung, Gesundheitssystem, Umweltwahrnehmung, Produktion und Herstellung besonders relevant. Vor diesem Hintergrund hatten es sich Forscher der University of Adelaide zur Aufgabe gemacht, das Geheimnis der Libelle zu lüften.

Laut dem Neurowissenschaftler Dr. Steven Wiederman von der Medical School in Adelaide, haben sie Erfolg damit.  

„Wir freuen uns, dass es uns mit Hilfe eines computergesteuerten und an das Nervensystem der Libelle angelehnten Models möglich war, einen autonomen Roboter zu entwickeln der in der Lage ist, lebende Ziele in der natürlichen Umgebung effizient und effektiv zu verfolgen.“, so Steven Wiederman.

Dazu untersuchte das Forschungsteam bestehend aus Forschern in den Bereichen Maschinenbau und Computerwissenschaften, zunächst die Fähigkeit der Libelle, ein einzelnes lebendiges Ziel zu fokussieren während alle anderen ausgeblendet werden.

„Wir nahmen die Neuronenaktivität der Libelle auf und stellten fest, dass das erste entdeckte Neuron in jedem Tier vorhanden ist, das einen „Aufmerksamkeitsscheinwerfer“ besitzt; d.h. ein Tier, welches ein Ziel inmitten von Ablenkungsfaktoren fokussieren kann. Wir zeichneten außerdem auf, dass das Neuron für die Zielerkennung den Bewegungsablauf der Libelle so kodiert, dass sie den Aufenthaltsort ihre Ziels abschätzen und es somit aus dem Hinterhalt überfallen kann.

Die beobachteten Abläufe wurden schließlich in einen einzigartigen Algorithmus umgewandelt um die visuelle Verfolgungsfähigkeit der Libelle nachzuahmen. Tests in verschiedenen natur-imitierten virtuellen Lebenswelten zeigten, dass der Algorithmus genauso gut wie jeder andere funktionierte, jedoch bis zu 20 Mal schneller ausgeführt wurde und somit weniger Leistung verbrauchte.

„Wir freuen uns sehr darauf weiter zu forschen und darüber hinaus die grundlegenden Gesetzmäßigkeiten zu definieren, die neuronale Verarbeitungsprozesse beschreiben. Diese Gesetzmäßigkeiten auf die Entwicklung von fortgeschrittenen künstlichen visuellen Systemen zu übertragen, ermöglicht den Einsatz von effektiven autonomen Robotern, Drohnen und weiteren technischen Anwendungen.