Современные технологии, такие как дроны, уже прочно вошли в нашу жизнь, выполняя разнообразные задачи — от мониторинга сельскохозяйственных угодий до доставки грузов. Однако, несмотря на стремительное развитие, системы навигации для беспилотников до сих пор требуют значительных вычислительных ресурсов и памяти, что делает их громоздкими, дорогими и энергозатратными.
Ученые из Делфтского технического университета нашли вдохновение в природе, изучив, как медоносные пчелы ориентируются в пространстве. Результаты их работы, опубликованные в журнале Nature, легли в основу новой стратегии навигации для роботов под названием Bee-Nav. Эта инновационная система, разработанная в сотрудничестве с биологами из Вагенингенского университета и Ольденбургского университета, позволяет даже миниатюрным роботам совершать продолжительные полеты и успешно возвращаться в исходную точку, используя всего 42 килобайта памяти.
Принцип работы Bee-Nav имитирует поведение пчел: перед самостоятельным исследованием территории робот совершает короткий ознакомительный полет вблизи своей базы. Это позволяет ему зафиксировать ориентиры и создать своего рода «зрительную память» о местности. После этого робот способен преодолевать значительные расстояния, сохраняя ориентацию и находя путь домой.
Bee-Nav открывает перспективы для создания легких и безопасных автономных роботов. Например, такие системы могут быть использованы в дронах, напоминающих бабочек, для инспекции теплиц. Исследование также проливает свет на механизмы навигации летающих насекомых, предлагая новый взгляд на их удивительные способности.
Суть проблемы навигации для автономных роботов заключается в необходимости самостоятельного ориентирования в условиях отсутствия GPS. Традиционные методы, основанные на построении подробных карт, требуют больших вычислительных мощностей. Пчелы же, несмотря на малый размер мозга, демонстрируют поразительную навигационную эффективность. Они используют одометрию (оценку пройденного пути по визуальным сигналам) и зрительную память, запоминая облик местности вокруг ключевых точек.
Команда исследователей из Нидерландов и Германии разработала Bee-Nav, вдохновляясь процессом первых полетов пчел. Робот, подобно пчеле, совершает короткие ознакомительные полеты, делая панорамные снимки. Затем нейронная сеть обучается обрабатывать эти изображения, определяя направление и расстояние до дома, даже если сам дом невелик или скрыт. Важной особенностью является обучение нейронной сети с использованием одометрических данных, несмотря на их потенциальную неточность, что оказалось достаточным для успешного возвращения.
Эксперименты показали, что даже при использовании нейронной сети объемом 3,4 килобайта робот успешно возвращается домой. В реальных условиях, например, при полете на открытом воздухе на расстояние более 600 метров, система с 42 килобайтами памяти также продемонстрировала высокую эффективность, хотя ветер и влиял на точность. В перспективе Bee-Nav может быть адаптирована для мониторинга теплиц, помогая фермерам повышать урожайность и сокращать потери.
