Owady “wskażą”, jak unikać wypadków samochodowych

Tylko około 25 proc. podróży samochodem odbywa się po zmroku. Jednak prawie połowa wypadków śmiertelnych ma miejsce w nocy.

Problem unikania kolizji mogłyby rozwiązać samochody wyposażone w odpowiednie systemu elektroniczne, a nawet pojazdy autonomiczne – zauważają naukowcy. Dostępne obecnie systemy unikania kolizji (CAS) mogą automatycznie hamować, gdy obiekt znajdzie się zbyt blisko Są jednak często skomplikowane, wymagają dużych mocy obliczeniowych, energochonnej i cieżkij aparatury radarowej lub – w przypadku układów analizujących obraz otoczenia – źle działają w ciemności i deszczu.

Tymczasem owady takie jak pszczoły, muchy czy szarańcza z łatwością unikają kolizji między sobą, nawet w nocy. Wykorzystują do tego bardzo wydajne obwody neuronowe, które mogą zainspirować CAS nowej generacji.

Prof. Saptarshi Das z Penn Sate University i jego współpracownicy chcieli stworzyć inspirowany owadami detektor kolizji, przystosowany do wykrywania pojazdów, który byłby skuteczny, bezpieczny i zużywał mniej energii niż jego poprzednicy.

Pierwszym krokiem badaczy było zaprojektowanie algorytmu opartego na obwodach neuronowych wykorzystywanych przez owady do omijania przeszkód. Zamiast przetwarzać cały obraz, przetwarza tylko jedną zmienną: intensywność świecenia reflektorów samochodu. Jednostki wykrywające i przetwarzające zostały połączone. Nie ma potrzeby stosowania kamery ani czujnika obrazu, dlatego cały detektor jest mniejszy i bardziej energooszczędny.

Czujnik składa się z ośmiu światłoczułych “memtranzystorów”, zbudowanych z warstwy dwusiarczku molibdenu (MoS2) i połączonych w obwód. Zajmuje tylko 40 µm2 i zużywa zaledwie kilkaset pikodżuli energii — dziesiątki tysięcy razy mniej niż istniejące systemy. W rzeczywistych, nocnych warunkach detektor może wykryć potencjalną kolizję dwóch samochodów na dwie do trzech sekund przed jej wystąpieniem, pozostawiając kierowcy wystarczająco dużo czasu na reakcję.

Więcej informacji – w materiale źródłowym (DOI: 10.1021/acsnano.2c07877). (PAP)