Биологи и математики смоделировали строительство гнезд термитов рода Nasutitermes — оказалось, что термиты строят тоннели в соответствии с локальной кривизной поверхности, при этом характерная толщина тоннелей приблизительно равна размеру термита. Статья опубликована в журнале Journal of the Royal Society Interface.
Термиты и другие социальные насекомые, такие как муравьи, строят гнезда для защиты колонии. О муравьях ученым известно, например, что при строительстве они реагируют на потоки углекислого газа, толпятся и привлекают все больше муравьев с помощью феромонов, за счет чего возникают широкие коридоры. В то время как передвижение отдельного насекомого описать очень сложно, муравей поднимает и опускает крупицы строительного вещества в соответствии с локальным состоянием окружающей среды — в случае большой колонии стигмергические эффекты (например, распыление феромонов) вносят самый большой вклад в строительство.
Однако наблюдать за процессом постройки гнезд у термитов Nasutitermes получилось лишь пару раз — они строят слишком непредсказуемо и быстро. По наблюдениям за строительством гнезда в лабораторных условиях ученые обнаружили, что поверхность стенок тоннелей имеет форму седла, что позволяет предположить о золотом правиле строительства термитников: в области с большой кривизной поверхности термиты строят стенки (и уменьшают кривизну), а в области с малой кривизной поверхности ничего не делают. Более того, у других термитов Macrotermes michaelseni ученые обнаружили положительную корреляцию между кривизной поверхности и активностью насекомых.
Ученые из Бельгии, Великобритании и Франции под руководством Джиулио Фаччини (Giulio Facchini) из Университета Рохэмптона разработали модель роста гнезда древесных термитов Nasutitermes. Исследователи в приближении доминантной стигмергии упростили модель и рассмотрели не отдельные воздействия термитов, но их итог — условный самостоятельный рост термитника в зависимости от его формы, в частности — от локальной кривизны поверхности.
Исследователи выбрали конкретный род термитов Nasutitermes благодаря простоте их гнезд — они изотропные и гомогенные (так как рост гнезд происходит на деревьях, то основным материалом оказываются щепки), из-за чего разные части термитника трудно отличить между собой. Более того, в их гнезде нет специализированных полостей, что удобно для первоначальной проверки теории строительства термитников. Однако авторы справедливо замечают, что локальная кривизна является косвенным параметром, влияющим на постройку — например, в нем может скапливаться больше «цементного феромона» или термиты настраивают крупицы в соответствии с градиентом влажности, который может возникать из-за разной кривизны поверхности. Однако ни одна из этих причин до конца не обоснована.
Для того чтобы определить, как эволюционирует термитник, ученым нужно было решить задачу двух фаз, строительного материала и пустоты, с меняющимися граничными условиями. Аналитически задача решалась только в плоском случае, однако в альтернативном подходе можно заменить субстрат и пустую среду на некоторое скалярное поле, дифференцируя которое можно получить форму поверхности стенки — границы между фазами. Затем исследователи предположили зависимость поля от времени, в котором можно выделить два слагаемых: нелинейный рост и диффузию, которая корректирует поведение этого скалярного поля в точках с большой кривизной поверхности. Проанализировав поведение зависимости, ученые пришли к выводу, что диффузионный член размывает все детали строительных крупиц с размерами меньше, чем толщина стенки. Из-за этого за пределами модели оказывается пористость, которая обеспечивает необходимую вентиляцию для гнезда.
Авторы провели математическое моделирование системы и наблюдали за ростом субстрата — система показывала ветвление и объединение тоннелей, как и в настоящем термитнике. Для проверки своей модели ученые сделали компьютерную томографию реальных гнезд термитов из Австралии (Nasutitermes walker) и из Гайаны (Nasutitermes ephratae) и сравнили их с моделями. Для реальных гнезд характерная ширина тоннелей, как и в случае с моделями, совпала с шириной термитов.
Чтобы перейти от качественного сравнения к количественному, ученые рассмотрели среднюю и Гауссову локальную кривизну. Последняя определяет форму поверхности: сфера, цилиндр или седло. Средняя же кривизна определяет с какой стороны поверхности мы находимся, изнутри или снаружи. Оказалось, что кривизна модельной структуры с начальными условиями реального гнезда очень похожа на кривизну реального термитника. Процесс постройки оказался скорее вероятностным, чем детерминированным, однако и в реальных, и в модельных образцах ученые обнаружили преобладание седлообразных поверхностей. В будущем ученые планируют уточнить свою модель и использовать ее для описания других процессов аккреции — например, для получения микроструктуры крыльев бабочки.
Термитники известны своей формой и считаются строителями-рекордсменами среди беспозвоночных. Два года назад в Бразилии биологи нашли термитные холмы, возраст которых составил 3,8 тысячи лет. По оценкам исследователей они занимают площадь втрое больше Курганской области и даже видны из космоса.
Артем Моськин
А также измерит расстояние до них
Американские ученые разработали технологию пассивного теплового зрения HADAR, которая по инфракрасному изображению получает информацию о температуре, материалах и текстуре поверхности объектов, их излучательной способности, а также умеет измерять расстояние. Технология позволяет в ночных условиях получать изображение, сопоставимое по качеству со стереоскопическими изображениями, получаемыми обычными RGB камерами при дневном освещении. Статья опубликована в журнале Nature. Для автономной навигации и взаимодействия с людьми роботам и беспилотникам нужна информация об окружении, которую они получают с помощью камер, лидаров, сонаров или радаров. Однако обычные камеры зависят от условий освещенности и плохо работают в ночное время и при плохой погоде. Кроме этого информация, получаемая с камер не содержит физического контекста, что может приводить к некорректной работе нейросетевых алгоритмов автопилота, который, к примеру, не может отличить настоящего человека от манекена. Активные сенсоры, такие как лидары и радары, при резком росте их числа начинают взаимно влиять друг на друга. Выходом могло бы стать использование в условиях недостаточной видимости камер, работающих в инфракрасном диапазоне. Однако из-за так называемого «эффекта призрачности» получаемые тепловизором изображения обычно выглядят как пятна без четкой текстуры. Это связано с тем, что поверх отражающихся от объекта инфракрасных лучей, которые несут информацию об особенностях его рельефа, накладывается его собственное тепловое излучение, которое засвечивает эту полезную информацию. Группа ученых под руководством Зубин Джакоб (Zubin Jacob) из Университета Пердью смогла справиться с этой проблемой. Они разработали технологию под названием HADAR (акроним от слов heat-assisted detection and ranging), которая с помощью машинного обучения извлекает из изображений, полученных в инфракрасном диапазоне, информацию о температуре объектов, излучательной способности материалов, из которых они состоят, а также их физической текстуре. Кроме того, технология позволяет определять расстояние до объектов на изображении. Выделение информации о собственном излучении объектов позволяет избавиться от «эффекта призрачности» и получить информацию о текстуре. Для этого авторы используют данные из библиотеки материалов, которая содержит информацию об их излучательной способности. Инфракрасное изображение фиксируется с помощью гиперспектральной камеры, после чего данные поступают на вход нейросетевой модели, которая производит декомпозицию исходных данных, выделяя из них информацию о температуре, собственном излучении и текстуре. Для обучения алгоритма исследователи использовали как настоящие изображения, полученные с помощью камеры, так и множество сгенерированных трехмерных сцен. Возможности технологии демонстрирует одна из сцен, на которой при слабом освещении запечатлен автомобиль черного цвета и человек, рядом с которым установлен вырезанный из картона портрет Альберта Эйнштейна в натуральную величину. Изображения, полученные с помощью обычной камеры, лидара и HADAR затем использовали для определения объектов с помощью алгоритма распознавания изображений. На изображении, полученном с помощью обычной камеры, алгоритм ошибочно распознал двух людей, приняв картонную фигуру за человека. На данных, полученных лидаром, оказалось невозможно определить автомобиль. При этом HADAR смог выделить все составляющие сцены, а также определить, что одна из человеческих фигур имеет сигнатуру краски на поверхности, а вторая покрыта тканью. Созданная технология может значительно улучшить системы автономной навигации беспилотных транспортных средств и роботов, дополнив уже существующие системы или даже заменив их. HADAR позволяет определять объекты и измерять расстояние по данным, полученным в ночное время, так же хорошо, как это делают традиционные системы компьютерного зрения, которые используют данные с камер в условиях дневного освещения. По словам авторов работы, в дальнейшем им предстоит решить проблему высокой стоимости оборудования для гиперспектральной съемки и невысокой производительности алгоритма. Сейчас процесс получения изображений и их обработки занимает минуты, но для работы в режиме реального времени это время необходимо сократить. Ранее мы рассказывали, как физики создали лидар, способный распознать метровые детали с рекордного расстояния в 45 километров в условиях высокого шума и слабого сигнала.