Parlare degli insetti o sugli insetti non è argomento comune, anche tra gli amanti degli animali, in quanto questi esserini a sei zampe suscitano spesso percezioni avverse, tranne i rari casi delle coccinelle, formiche o api.
Eppure, addentrandoci alla scoperta delle capacità adattative, di sopravvivenza o di resistenza ad ambienti e climi avversi o addirittura proibitivi, non potremmo che restare sbalorditi dalla grande capacità di adattamento e robustezza mostrate da tale classe zoologica. Basti pensare che, sul numero totale di specie viventi, pari a circa 1.37 milioni, il 73% è costituito da insetti.
Questo dimostra una enorme capacità adattativa, un corpo estremamente robusto, ma soprattutto un sistema di controllo, il cervello, tanto piccolo quanto efficiente. Si, anche se molti possono eccepire, gli insetti possiedono un cervello in grado di mostrare molti dei comportamenti tipicamente ascritti ad esseri viventi superiori, quali vertebrati o mammiferi.
Infatti, spesso comportamenti complessi vengono messi in relazione con la dimensione del cervello: ciò trascura i dati sugli insetti, i quali, pur avendo cervelli minuscoli, mostrano abilità motorie complesse, strutture sociali e capacità che potremmo definire proto-cognitive.
Queste abilità suggeriscono che il ruolo dei circuiti neurali sia più importante della mera dimensione cerebrale. Le capacità cognitive degli insetti, come la percezione della numerosità, del concetto di “stesso” o “differente”, l’attenzione e la categorizzazione, l’apprendimento di sequenze, possono richiedere strutture neuronali minuscole ma altrettanto efficienti, suggerendo che la dimensione del cervello non sia direttamente correlata con il comportamento o la cognizione.
Da un punto di vista ingegneristico è quindi estremamente utile studiare i piccoli e non eccessivamente complessi cervelli degli insetti, il che li rende più adatti ad una implementazione software e successivamente hardware, in robot autonomi biomimetici.
Nell’ambito di tale filone di ricerca il gruppo di Biorobotica dell’Università di Catania ha ormai da quasi un ventennio esperienza su modelli computazionali di cervelli di insetti e come questi sistemi possano efficientemente riprodurre comportamenti in robot biomimetici e neuromimetici.
Sono stati studiati i principali centri neurali del cervello degli insetti dedicati all’apprendimento e alla memoria. Con particolare riferimento alla Drosophila melanogaster (moscerino della frutta), grazie a progetti di ricerca internazionali, coordinati dal nostro gruppo di ricerca, che hanno incluso partner europei con specifiche competenze sulla neurogenetica del moscerino, sono stato progettati modelli computazionali neuro ispirati, utilizzando principalmente reti di neuroni Spiking (Spiking Neural Networks) in grado di riprodurre specifici comportamenti degli insetti quali locomozione, apprendimento di sequenze, attenzione/distrazione, apprendimento di nuovi schemi motori, ed in ultimo navigazione basata su stimoli visivi.
Gli insetti, come noto, sono eccellenti navigatori, in grado di percorrere distanze anche notevoli prima di far ritorno al nido.
Ebbene, anche tale capacità può essere riprodotta a partire dalla conoscenza delle funzionalità di specifiche parti del cervello che manipolano e comprimono l’informazione in modo da poter apprendere in tempo reale gli ambienti attraversati per poi poter far rientro al nido con elevata robustezza agli stimoli ambientali, come richiesto da ambienti altamente disturbati, come quelli appartenenti al tipico ambiente boschivo degli insetti.
La ricerca tuttavia è ancora in fase iniziale: molti passi devono ancora essere compiuti. Sebbene semplice, il cervello degli insetti, specialmente quelli sociali, resta funzionalmente in larga parte sconosciuto, e quindi molte lezioni sono ancora da imparare al fine di progettare insettoidi in grado di mostrare le medesime superbe capacità degli insetti e metterle a servizio dell’uomo, ad esempio in compiti di esplorazione di zone pericolose per l’uomo (si pensi a zone colpite da incidenti nucleari) o task di salvataggio in zone post terremoto.
Questa sfida è aperta e copre sia gli ambiti di ricerca di base, che quelli più prettamente ingegneristici. In primis, la neurogenetica fornisce strumenti sempre più sofisticati che permettono la progettazione di organismi mutanti con possibilità di controllare la funzionalità di specifiche classi di neuroni tramite mezzi esterni (ad es. la temperatura). Gli sforzi in tale direzione permettono di investigare sul ruolo di specifici neuroni sul loop “struttura-funzione-comportamento”.
Conseguentemente, la possibilità di modellare le dinamiche di tali famiglie di neuroni, implementarle e trasferirle su robot offre la possibilità di condurre esperimenti comparati per comprendere se le reti progettate riescono ad assolvere le funzioni per le quali sono state concepite. In ultimo, la collaborazione tra neurobiologi e ingegneri fornisce ai primi la possibilità di progettare, a partire dagli esperimenti sui “robot mutanti” i setup sperimentali più adatti per mettere in evidenza taluni comportamenti finora mai riscontrati negli insetti non perchè non presenti, ma non opportunamente stimolati da un adatto apparato sperimentale.
Dal punto di vista ingegneristico si aprono filoni di ricerca intesi sia a progettare e costruire sistemi robotici neuro-ispirati in grado di apprendere e adattarsi ad ambienti estremi, ma anche e soprattutto a generare sistemi di controllo altamente sostenibili, tenendo conto che il consumo energetico del cervello di un moscerino si aggira intorno al milionesimo di Watt, in netta contrapposizione ai colossali consumi energetici richiesti dai moderni algoritmi di intelligenza artificiali, destinati, prima o poi, a scontrarsi con problemi di sostenibilità energetica. Si apre quindi un mondo estremamente affascinante, in cui tecnologia e scienze di base simbioticamente offrono soluzioni smart per un futuro efficiente e sostenibile.
A destra il prototipo di robot esapode costruito nei nostri laboratori; a destra il robot alle prese con la soluzione di un labirinto, sotto il controllo di un modello neuro computazionale che apprende differenti sequenze di movimenti e, sulla base degli stimoli visivi presentati, sceglie la sequenza che comporta la ricompensa maggiore.
