Крошечные роботы-дроны учатся ориентироваться в мире подобно пчелам

Отображение начальной точки, как это делают пчелы, помогает автономным дронам находить свой путь

Автор: Яцек Кривко под редакцией Сары Левин Фрейзер

Присоединяйтесь к нашему сообществу любителей науки!

Подпишитесь на нашу бесплатную ежедневную рассылку новостейВведите свой адрес электронной почтыЯ соглашаюсь с тем, что моя информация будет обрабатываться в соответствии с Политикой конфиденциальности Scientific American и Springer Nature Limited. Мы используем сторонние сервисы как для проверки, так и для доставки электронной почты. Предоставляя свой адрес электронной почты, вы также даете согласие на передачу этого адреса третьим лицам для этих целей.Зарегистрируйтесь

Дроны размером с насекомое слишком малы для использования в сложных навигационных системах. Чтобы помочь крошечным автономным летунам найти дорогу домой, исследователи берут пример с пчел с помощью Bee-Nav, описанного сегодня в Nature.

Пчела покидает улей. сначала совершается короткий учебный полет, чтобы запомнить близлежащие достопримечательности, объясняет ведущий автор исследования Гвидо де Крун, исследователь в области искусственного интеллекта и робототехники из Технологического университета Делфта в Нидерландах. Когда пчела улетает, «она отслеживает направление и скорость своего движения», — говорит де Крун, в процессе, называемом интеграцией траекторий. Поскольку интеграция траекторий со временем приводит к накоплению незначительных ошибок в измерениях, насекомое полагается на запомненные ориентиры, чтобы скорректировать свой курс по возвращении домой. Де Крун и его коллеги скопировали этот рабочий процесс.

Сначала беспилотник совершает учебный полет вокруг начальной точки, используя миниатюрную всенаправленную камеру для съемки окружающего пейзажа. В полете он обучает крошечную бортовую нейронную сеть сопоставлять эти изображения с начальными векторами, по сути, невидимыми стрелками, указывающими на стартовую площадку. Это создает безопасную зону, называемую «Изученной зоной наведения». После обучения дрон может быть отправлен далеко и вернуться, используя сначала интеграцию траектории, а затем обратный путь, основанный на измеренной скорости и направлении. Если дрон окажется в любом месте внутри начальной безопасной зоны, визуальная нейронная сеть проведет его до дома.

О поддержке научной журналистики

Если вам понравилась эта статья, подумайте о том, чтобы поддержать нашу журналистику, отмеченную наградами, подписавшись на нее. Приобретая подписку, вы помогаете обеспечить будущее впечатляющих историй об открытиях и идеях, формирующих наш современный мир.

Bee-Nav делает это с помощью готового компьютера Raspberry Pi 4 размером с кредитную карту, который запускает нейронные сети с объемом памяти от 3,4 до 42,3 килобайт — тысячи вычислений. в несколько раз меньше, чем используется в обычных картографических установках. Тестовые роботы команды работали на открытом воздухе, находясь на расстоянии не более 600 метров (1970 футов), несмотря на порывы ветра и ослепляющие солнечные блики.

«Что я нахожу особенно захватывающим, так это то, как мало требуется вычислений», — говорит Сара Бергбрайтер, инженер-механик из Университета Карнеги-Меллон, которая не принимала участия в исследовании. «Для малогабаритных роботов, над которыми работает моя группа и другие специалисты, именно такой подход делает возможным серьезное развертывание на открытом воздухе».

Команда Де Круна мы все еще решаем несколько задач для платформы, таких как навигация между несколькими запомненными местами и работа с отправными точками без ориентиров. «Платформам, работающим под управлением Bee-Nav, также потребуется возможность обхода препятствий и планирования на месте, если окружающая среда перегружена или динамична», — говорит Шон Хамберт, инженер-механик из Университета Колорадо в Боулдере, который не принимал участия в исследовании.