谢菲尔德大学参与的一项国际研究合作开发了新的跟踪技术，该技术使用计算机视觉--计算机科学的一个领域对计算机进行编程以解释和理解图像和视频来跟踪单个沙漠蚂蚁的整个觅食生活。该工具记录了一只蚂蚁从第一次离开它的巢穴，直到它找到食物地点并返回其殖民地的旅程。
新数据集显示，蚂蚁的学习速度令人难以置信--仅在一次成功的旅行后就记住了它们的归途。但耐人寻味的是，它们向外的路线随着时间的推移而演变，表明探索与开发的不同策略。高精度的数据还揭示了一种人眼看不见的潜在振荡运动，这可以解释蚂蚁如何产生适合当前条件的复杂搜索模式。
由于新的软件适用于各种动物类型，并且使用标准摄像机拍摄的视频，它已经被许多国际研究团体采用，并且非常适合公民科学项目。收集到的高精度数据对于理解大脑如何引导动物通过其复杂的世界至关重要，这可能会激发新一代的生物启发机器人。
这项新技术和数据集--由该大学计算机科学系机器学习和机器人学高级讲师迈克尔-曼根博士与明斯特大学的拉斯-哈尔克和本杰明-里瑟、图卢兹综合生物学中心的安托万-维斯特拉赫和里奥-克莱门特以及爱丁堡大学的巴拉巴拉-韦伯共同制作--在《科学进展》杂志上发表的一项新研究中得到了展示。
该研究描述了CATER(联合动物追踪与环境重建)如何使用人工智能和计算机视觉来追踪使用现成相机拍摄的视频中昆虫的位置。该系统甚至可以检测到眼睛难以看到的微小物体。该系统对背景杂波、障碍物和阴影有很强的适应性，使其能够在其他系统失效的动物自然栖息地发挥作用。
谢菲尔德大学机器学习和机器人学高级讲师曼根博士说："我们在夏季的实地考察中捕捉到了这些数据，但花了10年时间才建立起一个能够提取数据的系统，所以你可以说这是一个十年的过程。我一直对这些昆虫如何在温度超过50摄氏度的如此恶劣的地貌中进行长距离航行--长达1公里--而感到着迷。直到现在，沙漠蚂蚁都是用笔和纸来追踪的，这涉及到用绳子和木桩在地上建立一个网格，并监测它们在网格内的行为。另一种用于绕过这个问题的方法是使用差分全球定位系统(GPS)--但该设备昂贵且精度低。由于缺乏一种低成本、强大的方法来捕捉野外精确的昆虫路径，导致我们对沙漠蚂蚁行为的认识出现了差距。特别是关于它们如何学习视觉路线，它们这样做的速度有多快，以及它们如何采用可能简化任务的策略。"
CATER的新视觉追踪方法通过捕捉蚂蚁在自然环境中的高分辨率镜头，并使用成像技术仅根据运动来识别单个蚂蚁来解决这些挑战。然后使用一种新颖的图像镶嵌技术，从高分辨率图像中重建或拼接出景观。这种新方法弥合了现场和实验室研究之间的差距，提供了对蚂蚁导航行为的独特见解。这些数据对于揭示大脑比针头还小的动物如何有效地导航其复杂的环境至关重要。
谢菲尔德大学分拆出来的先锋公司Opteran已经将这种见解转化为商业产品，该公司正在对昆虫的大脑进行逆向工程，利用低成本的传感器和计算产生高度强大的自主能力。
曼根博士说："沙漠蚂蚁是下一代机器人的理想灵感来源--它们可以长距离导航，穿过恶劣的环境，而且不像其他蚂蚁那样依赖信息素的踪迹，也不像目前的机器人那样依赖GPS和5G。我们希望我们的工具将使我们能够建立一个更完整的图片，了解昆虫如何学习在其栖息地中驾驶，带来新的科学知识，并告知工程师他们如何能够建立类似能力的人工系统。"
