Courtesy of InterestingEngineering

Sistem yang terinspirasi oleh otak hewan mengajarkan robot untuk melintasi berbagai jenis medan.

03 Des 2024, 21.19 WIB

42 dibaca

Penelitian di Queensland University of Technology (QUT) menunjukkan bahwa otak hewan, terutama serangga, memiliki sistem navigasi yang sangat efisien. Tim yang dipimpin oleh Somayeh Hussaini mengembangkan sistem navigasi baru yang meniru cara otak hewan memproses informasi. Sistem ini menggunakan Spiking Neural Networks (SNNs), yang merupakan jaringan saraf buatan yang meniru cara neuron di otak hewan berkomunikasi. Dengan menggunakan metode ini, robot dapat mengenali tempat dengan lebih baik, bahkan dalam kondisi yang berbeda seperti pencahayaan atau cuaca yang berubah.

Sistem baru ini juga dapat mengurangi konsumsi energi, sehingga cocok untuk digunakan pada robot yang beroperasi di lingkungan yang terbatas energinya, seperti dalam eksplorasi luar angkasa atau saat penanggulangan bencana. Dengan memproses informasi dalam sinyal singkat, SNNs dapat mengurangi biaya komputasi dan meningkatkan efisiensi. Penelitian ini diharapkan dapat membantu menciptakan sistem navigasi yang lebih baik untuk robot otonom di masa depan.--------------------

Analisis Ahli:

Sumber: https://interestingengineering.com/innovation/animal-brain-inspired-system-teaches-robots-to-traverse-diverse-terrains

Pertanyaan Terkait

Apa yang ditemukan oleh peneliti di Queensland University of Technology?

Peneliti di Queensland University of Technology menemukan sistem navigasi baru yang terinspirasi oleh cara otak hewan memproses informasi.

Siapa yang memimpin tim penelitian ini?

Tim penelitian ini dipimpin oleh Somayeh Hussaini.

Apa itu Spiking Neural Networks (SNNs)?

Spiking Neural Networks (SNNs) adalah jaringan saraf tiruan yang meniru cara otak biologis memproses informasi menggunakan sinyal singkat dan diskrit.

Mengapa sistem navigasi baru ini penting untuk eksplorasi luar angkasa?

Sistem navigasi baru ini penting untuk eksplorasi luar angkasa karena dapat mengurangi konsumsi energi dan meningkatkan efisiensi robot.

Di mana temuan penelitian ini dipublikasikan?

Temuan penelitian ini dipublikasikan di jurnal IEEE Transactions on Robotics.