謝菲爾德大學參與的一項國際研究合作開發了新的跟踪技術，該技術使用計算機視覺–計算機科學的一個領域對計算機進行編程以解釋和理解圖像和視頻來跟踪單個沙漠螞蟻的整個覓食生活。該工具記錄了一隻螞蟻從第一次離開它的巢穴，直到它找到食物地點並返回其殖民地的旅程。

新數據集顯示，螞蟻的學習速度令人難以置信–僅在一次成功的旅行後就記住了它們的歸途。但耐人尋味的是，它們向外的路線隨著時間的推移而演變，表明探索與開發的不同策略。高精度的數據還揭示了一種人眼看不見的潛在振盪運動，這可以解釋螞蟻如何產生適合當前條件的複雜搜索模式。

由於新的軟件適用於各種動物類型，並且使用標準攝像機拍攝的視頻，它已經被許多國際研究團體採用，並且非常適合公民科學項目。收集到的高精度數據對於理解大腦如何引導動物通過其複雜的世界至關重要，這可能會激發新一代的生物啟發機器人。

沙漠螞蟻特寫。資料來源：謝菲爾德大學

這項新技術和數據集–由該大學計算機科學系機器學習和機器人學高級講師邁克爾-曼根博士與明斯特大學的拉斯-哈爾克和本傑明-里瑟、圖盧茲綜合生物學中心的安托萬-維斯特拉赫和里奧-克萊門特以及愛丁堡大學的巴拉巴拉-韋伯共同製作–在《科學進展》雜誌上發表的一項新研究中得到了展示。

該研究描述了CATER（聯合動物追踪與環境重建）如何使用人工智能和計算機視覺來追踪使用現成相機拍攝的視頻中昆蟲的位置。該系統甚至可以檢測到眼睛難以看到的微小物體。該系統對背景雜波、障礙物和陰影有很強的適應性，使其能夠在其他系統失效的動物自然棲息地發揮作用。

謝菲爾德大學機器學習和機器人學高級講師曼根博士說：”我們在夏季的實地考察中捕捉到了這些數據，但花了10年時間才建立起一個能夠提取數據的系統，所以你可以說這是一個十年的過程。我一直對這些昆蟲如何在溫度超過50攝氏度的如此惡劣的地貌中進行長距離航行–長達1公里–而感到著迷。直到現在，沙漠螞蟻都是用筆和紙來追踪的，這涉及到用繩子和木樁在地上建立一個網格，並監測它們在網格內的行為。另一種用於繞過這個問題的方法是使用差分全球定位系統（GPS）–但該設備昂貴且精度低。由於缺乏一種低成本、強大的方法來捕捉野外精確的昆蟲路徑，導致我們對沙漠螞蟻行為的認識出現了差距。特別是關於它們如何學習視覺路線，它們這樣做的速度有多快，以及它們如何採用可能簡化任務的策略。”

邁克爾-曼根博士，謝菲爾德大學機器學習和機器人學的高級講師。資料來源：謝菲爾德大學

CATER的新視覺追踪方法通過捕捉螞蟻在自然環境中的高分辨率鏡頭，並使用成像技術僅根據運動來識別單個螞蟻來解決這些挑戰。然後使用一種新穎的圖像鑲嵌技術，從高分辨率圖像中重建或拼接出景觀。這種新方法彌合了現場和實驗室研究之間的差距，提供了對螞蟻導航行為的獨特見解。這些數據對於揭示大腦比針頭還小的動物如何有效地導航其複雜的環境至關重要。

謝菲爾德大學分拆出來的先鋒公司Opteran已經將這種見解轉化為商業產品，該公司正在對昆蟲的大腦進行逆向工程，利用低成本的傳感器和計算產生高度強大的自主能力。

曼根博士說：”沙漠螞蟻是下一代機器人的理想靈感來源–它們可以長距離導航，穿過惡劣的環境，而且不像其他螞蟻那樣依賴信息素的踪跡，也不像目前的機器人那樣依賴GPS和5G。我們希望我們的工具將使我們能夠建立一個更完整的圖片，了解昆蟲如何學習在其棲息地中駕駛，帶來新的科學知識，並告知工程師他們如何能夠建立類似能力的人工系統。”