Les nœuds robotisés distribués fournissent des séquences de stimuli de lumière bleue pour orienter les trajectoires de croissance des plantes grimpantes. En activant le phototropisme naturel, les robots guident les plantes à travers des décisions binaires gauche-droite, les faisant passer en modèles prédéfinis qui, en revanche, ne sont pas possibles lorsque les robots sont dormants.
Les systèmes de robots sont activement recherchés pour la manipulation des plantes naturelles, généralement limitées aux activités d’automatisation agricole telles que la récolte, l’irrigation et la lutte mécanique contre les mauvaises herbes. En prolongeant cette recherche, nous introduisons ici une nouvelle méthodologie pour manipuler la croissance directionnelle des plantes via leurs mécanismes naturels de signalisation et de distribution d’hormones. Une méthodologie efficace de la fourniture de stimuli robotiques peut ouvrir la possibilité de nouvelles expérimentations avec des phases de développement ultérieures dans les plantes, ou pour de nouvelles applications biotechnologiques telles que la mise en forme des plantes pour les murs verts. L’interaction avec les plantes présente plusieurs défis robotiques, y compris la détection à courte portée des organes végétaux de petite et variable, et l’actionnement contrôlé des réponses des plantes qui sont impactées par l’environnement en plus des stimuli fournis. Afin d’orienter la croissance des plantes, nous développons un groupe de robots immobiles avec des capteurs pour détecter la proximité des pointes de croissance, et avec des diodes pour fournir des stimuli lumineux qui actionnent le phototropisme. Les robots sont testés avec le harimon commun d’escalade, Phaseolus vulgaris, dans des expériences ayant des durées allant jusqu’à cinq semaines dans un environnement contrôlé. Avec des robots émettant séquentiellement l’émission bleue de lumière-pic à la longueur d’onde 465 nm-croissance de l’usine est orientée avec succès par des décisions binaires successives le long des supports mécaniques pour atteindre les positions cibles. Les modèles de croissance sont testés dans une configuration allant jusqu’à 180 cm de hauteur, avec des tiges végétales cultivées jusqu’à environ 250 cm de longueur cumulative sur une période d’environ sept semaines. Les robots se coordonnent et fonctionnent de manière totalement autonome. Ils détectent les pointes des plantes qui approchent par des capteurs de proximité infrarouge et communiquent par radio pour passer d’un stimulus à la lumière bleue à l’état dormant, au besoin. Dans l’ensemble, les résultats obtenus confirment l’efficacité de la combinaison de méthodologies d’expérimentations robotisées et végétales, pour l’étude d’interactions potentiellement complexes entre les systèmes autonomes naturels et artificiels.
Parallèlement à la prévalence croissante de l’automatisation dans la fabrication et la production, les robots sont utilisés pour semer, traiter et récolter des plantes1,2,3,4,5. Nous utilisons la technologie robotisée pour automatiser les expériences végétales d’une manière non invasive, dans le but de diriger la croissance par des réponses directionnelles aux stimuli. Les pratiques traditionnelles de jardinage ont inclus la mise en forme manuelle des arbres et des buissons par la retenue mécanique et la coupe. Nous présentons une méthodologie qui peut par exemple être appliquée à cette tâche de mise en forme, en orientant les modèles de croissance avec des stimuli. Notre méthodologie présentée est également une étape vers des expériences végétales automatisées, ici avec un accent spécifique sur la fourniture de stimuli légers. Une fois que la technologie est devenue robuste et fiable, cette approche a le potentiel de réduire les coûts dans les expériences végétales et de permettre de nouvelles expériences automatisées qui seraient autrement impossibles en raison des frais généraux dans le temps et le travail manuel. Les éléments robotiques sont librement programmables et agissent de façon autonome car ils sont équipés de capteurs, d’actionneurs pour la fourniture de stimuli et de microprocesseurs. Bien que nous nous concentrions ici sur la détection de proximité (c.-à-d. la mesure des distances à courte portée) et les stimuli lumineux, de nombreuses autres options sont réalisables. Par exemple, des capteurs peuvent être utilisés pour analyser la couleur des plantes, pour surveiller l’activité biochimique6, ou pour la phytodétection7 approches pour surveiller par exemple les conditions environnementales par l’électrophysiologie végétale8. De même, les options d’actionneur pourraient fournir d’autres types de stimuli9, par des moteurs de vibration, des dispositifs de pulvérisation, des appareils de chauffage, des ventilateurs, des dispositifs d’ombrage, ou des manipulateurs pour le contact physique dirigé. D’autres stratégies d’actionnement pourraient être mises en œuvre pour fournir une mobilité lente aux robots (c.-à-d. « robots lents »10),de sorte qu’ils pourraient progressivement changer la position et la direction à partir desquelles ils fournissent des stimuli. En outre, comme les robots sont équipés d’ordinateurs à une seule planche, ils pourraient exécuter des processus plus sophistiqués tels que la vision pour le phénotypage des plantes11 ou artificielles contrôleurs réseau neuronal pour l’actionnement des stimuli12. Comme la recherche en sciences végétales se concentre souvent sur la croissance précoce (c.-à-d. dans les pousses)13, l’ensemble du domaine de l’utilisation de systèmes robotisés autonomes pour influencer les plantes sur de plus longues périodes semble sous-exploré et peut offrir de nombreuses possibilités futures. Allant même plus loin, les éléments robotiques peuvent être considérés comme des objets de recherche eux-mêmes, permettant l’étude de la dynamique complexe des systèmes bio-hybrides formés par les robots et les plantes qui interagissent étroitement. Les robots imposent sélectivement des stimuli sur les plantes, les plantes réagissent en fonction de leur comportement adaptatif et modifient leur modèle de croissance, qui est ensuite détecté par les robots via leurs capteurs. Notre approche ferme la boucle de rétroaction comportementale entre les plantes et les robots et crée une boucle de contrôle homéostatique.
Dans nos expériences pour tester la fonction du système robotisé, nous utilisons exclusivement le harimon commun d’escalade, Phaseolus vulgaris. Dans cette configuration, nous utilisons des plantes grimpantes, avec des supports mécaniques dans un échafaudage quadrillé de hauteur globale de 180 cm, de sorte que les plantes sont influencées par le thigmotropisme et ont un ensemble limité de directions de croissance à choisir. Étant donné que nous voulons façonner l’ensemble de la plante sur une période de plusieurs semaines, nous utilisons des stimuli de lumière bleue pour influencer le phototropisme de la plante macroscopiquement, sur différentes périodes de croissance, y compris les jeunes pousses et le raidissement des tiges plus tard. Nous menons les expériences dans des conditions de lumière ambiante entièrement contrôlées où, à l’autre que les stimuli de lumière bleue, nous fournissons exclusivement la lumière rouge, avec une émission maximale à longueur d’onde de 650 nm. Quand ils atteignent une bifurcation dans la grille de support mécanique, ils prennent une décision binaire de croître à gauche ou à droite. Les robots sont positionnés à ces bifurcations mécaniques, séparées par des distances de 40 cm. Ils activent et désactivent de façon autonome leur émetteur de lumière bleue, avec une émission maximale à longueur d’onde de 465 nm, selon une carte prédéfinie du modèle de croissance souhaité (dans ce cas, un modèle en zigzag). De cette façon, les plantes sont guidées de la bifurcation à la bifurcation dans une séquence définie. Un seul robot est activé à un moment donné, au cours duquel il émet de la lumière bleue tout en surveillant de façon autonome la croissance de la plante sur le support mécanique qui le sous-il. Une fois qu’il détecte une pointe croissante à l’aide de ses capteurs de proximité infrarouge, il cesse d’émettre de la lumière bleue et communique à ses robots voisins par radio. Le robot qui se définit comme la prochaine cible de la séquence s’active ensuite, attirant la croissance des plantes vers une nouvelle bifurcation mécanique.
Comme notre approche intègre à la fois des mécanismes artificiels et naturels, nos expériences comprennent plusieurs méthodes qui fonctionnent simultanément et interdépendantement. Le protocole ici est d’abord organisé en fonction du type de méthode, dont chacun doit être intégré dans une configuration d’expérience unifiée. Ces types sont la sélection des espèces végétales; la conception de robot comprenant le matériel et la mécanique ; robot logiciel pour la communication et le contrôle; et la surveillance et le maintien de la santé des plantes. Le protocole procède ensuite à la conception de l’expérience, suivie de la collecte et de l’enregistrement des données. Pour plus de détails sur les résultats obtenus jusqu’à présent, voir Wahby et coll.14. Les résultats représentatifs couvrent trois types d’expériences : les expériences de contrôle où tous les robots ne fournissent pas de stimuli (c.-à-d. sont dormants); expériences à décision unique où la plante fait un choix binaire entre un robot fournissant des stimuli et un robot qui est dormant; et des expériences à décisions multiples où la plante navigue dans une séquence de choix binaires pour développer un modèle prédéfini.
La méthodologie présentée montre les premières étapes vers l’automatisation de la direction de la croissance des plantes axée sur les stimuli, afin de générer des modèles spécifiques. Cela nécessite un maintien continu de la santé des plantes tout en combinant en une seule expérience les domaines distincts des réponses de croissance biochimique et des fonctions méchatroniques techniques de détection, de communication et de génération contrôlée de stimuli. Comme nous nous concentrons ici sur les plantes grimpantes, le soutien mécanique fait également partie intégrante. Une limitation de la configuration actuelle est son échelle, mais nous croyons que notre méthodologie s’évolue facilement. L’échafaudage mécanique peut être étendu pour de plus grandes configurations et donc des périodes de croissance plus longues, ce qui permet également des configurations et des modèles élargis. Ici, la configuration est limitée à deux dimensions et les décisions binaires gauche-droite, comme la croissance est limitée à une grille de supports mécaniques à 45 ‘inclinaison, et les positions de décision de l’usine sont limitées aux bifurcations de cette grille. Les extensions mécaniques peuvent inclure des échafaudages 3D et des matériaux différents, pour permettre des formes complexes9,19. La méthodologie peut être considérée comme un système pour développer automatiquement les modèles définis par un utilisateur. En étendant la complexité possible des configurations mécaniques, les utilisateurs doivent faire face à peu de restrictions sur leurs modèles souhaités. Pour une telle application, un outil logiciel utilisateur devrait confirmer que le modèle est productible, et la mécatronique devrait alors auto-organiser la production du modèle en générant des stimuli appropriés pour orienter les plantes. Le logiciel devrait également être étendu pour inclure des plans de récupération et des politiques déterminant la façon de poursuivre la croissance si le modèle prévu à l’origine a partiellement échoué, par exemple si le premier robot activé n’a jamais détecté une plante mais les dormants ont vu que la position des pointes de croissance sont au-delà du robot activé.
Dans la méthodologie présentée, un exemple d’espèces végétales répondant aux critères de sélection du protocole est le harimon commun grimpant, P. vulgaris. Il s’agit de l’espèce utilisée dans les résultats représentatifs. Comme P. vulgaris a un fort phototropisme positif aux UV-A et à la lumière bleue, les phototropines (protéines réceptrices de lumière) de la plante absorberont les photons correspondant aux longueurs d’onde 340-500 nm. Lorsque les récepteurs sont déclenchés, le premier gonflement se produira dans la tige par la relocalisation préférentielle de l’eau vers les tissus souches opposés aux récepteurs déclenchés, provoquant une réponse directionnelle réversible. Ensuite, à l’intérieur de la tige, l’auxine (hormone de modelage végétal) est dirigée vers le même emplacement tissulaire, perpétuant la réponse directionnelle et fixant les tissus de tige pendant qu’ils se raidissent. Ce comportement peut être utilisé pour façonner les plantes dans ces conditions intérieures contrôlées, car les plantes ne sont exposées qu’à la lumière bleue isolée et à la lumière rouge isolée, avec la lumière rouge d’incident des capteurs ir-proximité à des niveaux assez bas qu’il n’interfère pas avec des comportements tels que la réponse d’ombre-évitement20,21. La réaction de phototropisme dans la plante répond dans la configuration à la lumière des diodes bleues avec l’émission de pointe -max 465 nm, et la photosynthèse22,23 dans l’usine est soutenue par des diodes rouges avec l’émission de pointe – max – 650 nm. P. vulgaris de plus en plus jusqu’à plusieurs mètres de hauteur est approprié dans la configuration globale, comme le sol de jardinage environ 3 L nécessaire par pot s’adapte à l’échelle de configuration.
Bien que la configuration actuelle se concentre sur la lumière comme un stimulus d’attraction, des stimuli supplémentaires peuvent être pertinents pour d’autres types d’expériences. Si le modèle souhaité nécessite une séparation entre différents groupes de plantes (p. ex., le modèle désiré a besoin de deux groupes de plantes pour choisir des côtés opposés), alors il peut ne pas être possible d’utiliser un seul type de stimulus. Pour de tels modèles de croissance complexes indépendamment de la forme d’échafaudage, les différents groupes de plantes peuvent potentiellement être cultivés dans différentes périodes de temps de sorte que leurs stimulus respectifs d’attraction n’interfèrent pas, qui permettrait également l’intégration de branchement Événements. Cependant, cela peut ne pas toujours être une solution appropriée, et le stimulus de lumière attrayant standard pourrait alors être augmenté en repoussant des influences telles que l’ombrage, ou par d’autres stimuli comme la lumière rouge lointaine ou les moteurs de vibration9,14.
La méthode présentée et la conception de l’expérience ne sont qu’un premier pas vers une méthodologie sophistiquée pour influencer automatiquement la croissance directionnelle des plantes. La configuration de l’expérience est de base en déterminant seulement une séquence de décisions binaires dans les plantes et nous nous concentrons sur un, facile à gérer stimulus. Des études supplémentaires seraient nécessaires pour prouver la signification statistique de la méthode, pour ajouter plus de stimuli et pour contrôler d’autres processus tels que la ramification. Avec un développement suffisant pour garantir la fiabilité à long terme des robots, la méthodologie présentée pourrait permettre l’automatisation des expériences végétales sur de longues périodes, réduisant les frais généraux associés à l’étude des stades de développement de l’usine au-delà de celle des pousses. Des méthodes similaires peuvent permettre des études futures sur la dynamique sous-explorée entre les organismes biologiques et les robots autonomes, lorsque les deux agissent comme des systèmes bio-hybrides auto-organisés étroitement couplés.
The authors have nothing to disclose.
Cette étude a été soutenue par le projet de robotique florale qui a reçu un financement du programme de recherche et d’innovation Horizon 2020 de l’Union européenne dans le cadre de l’accord de subvention FET, no 640959. Les auteurs remercient Anastasios Getsopulos et Ewald Neufeld pour leur contribution à l’assemblage de quincaillerie, et Tanja Katharina Kaiser pour sa contribution à la surveillance des expériences végétales.
3D printed case | Shapeways, Inc | n/a | Customized product, https://www.shapeways.com/ |
3D printed joints | n/a | n/a | Produced by authors |
Adafruit BME280 I2C or SPI Temperature Humidity Pressure Sensor | Adafruit | 2652 | |
Arduino Uno Rev 3 | Arduino | A000066 | |
CdS photoconductive cells | Lida Optical & Electronic Co., Ltd | GL5528 | |
Cybertronica PCB | Cybertronica Research | n/a | Customized product, http://www.cybertronica.de.com/download/D2_node_module_v01_appNote16.pdf |
DC Brushless Blower Fan | Sunonwealth Electric Machine Industry Co., Ltd. | UB5U3-700 | |
Digital temperature sensor | Maxim Integrated | DS18B20 | |
High Power (800 mA) EPILED – Far Red / Infra Red (740-745 nm) | Future Eden Ltd. | n/a | |
I2C Soil Moisture Sensor | Catnip Electronics | v2.7.5 | |
IR-proximity sensors (4-30 cm) | Sharp Electronics | GP2Y0A41SK0 | |
LED flashlight (50 W) | Inter-Union Technohandel GmbH | 103J50 | |
LED Red Blue Hanging Light for Indoor Plant (45 W) | Erligpowht | B00S2DPYQM | |
Low-voltage submersible pump 600 l/h (6 m rise) | Peter Barwig Wasserversorgung | 444 | |
Medium density fibreboard | n/a | n/a | For stand |
Micro-Spectrometer (Hamamatsu) on an Arduino-compatible breakout board | Pure Engineering LLC | C12666MA | |
Pixie – 3W Chainable Smart LED Pixel | Adafruit | 2741 | |
Pots (3.5 l holding capacity, 15.5 cm in height) | n/a | n/a | |
Power supplies (5 V, 10 A) | Adafruit | 658 | |
Raspberry Pi 3 Model B | Raspberry Pi Foundation | 3B | |
Raspberry Pi Camera Module V2 | Raspberry Pi Foundation | V2 | |
Raspberry Pi Zero | Raspberry Pi Foundation | Zero | |
RGB Color Sensor with IR filter and White LED – TCS34725 | Adafruit | 1334 | |
Sowing and herb soil | Gardol | n/a | |
String bean | SPERLI GmbH | 402308 | |
Transparent acrylic 5 mm sheet | n/a | n/a | For supplemental structural support |
Wooden rods (birch wood), painted black, 5 mm diameter | n/a | n/a | For plants to climb |