北京
这种受自然启发的方案，解决了无人机因能耗过高、机身过重而难以执行复杂任务的问题。
一个国际研究团队开发出一种名为“Bee-Nav”的新型无人机导航策略，其灵感来自蜜蜂的回巢行为。
这套系统能让极轻量的小型机器人进行长距离导航并自主返航，无需依赖笨重且能耗巨大的硬件或 GPS。
它利用仅 42 KB 大小的神经网络，就能让微型无人机找到回家的路。
该技术有望为轻量、安全的无人机集群铺平道路，以处理温室监测和工业检测等精细应用。
这项成果由荷兰代尔夫特理工大学的机器人学家、瓦赫宁根大学的生物学家，以及德国奥尔登堡大学的研究人员共同完成。
受蜜蜂启发的导航
未来的自主机器人面临一大障碍：导航需要建立详细地图，而这会消耗过高的算力和电池寿命。
为解决这个问题，研究人员将目光投向了蜜蜂。蜜蜂通过将里程计与对“家”的视觉记忆相结合来进行导航，利用视觉运动线索来追踪距离与方向。
虽然里程计可提供粗略的位置估算，但随时间推移会产生漂移，变得越来越不准确。因此，需要借助视觉地标来实现精确归巢。将这两种生物学方法衔接起来，为打造无需 GPS 即可导航的轻量、节能机器人提供了途径。
受蜜蜂行为启发，研究人员开发出一套基于“学习飞行”的导航策略。正如蜜蜂在远行前会先侦察蜂巢周围环境，机器人也能在出发前捕捉“家”周边环境的快照，建立基础视觉记忆。
这段简短的初始定向，能让机器人从任何方向都能认出周边区域，确保即使在长距离飞行后也能找到返航路线。
“蜜蜂能够沿着蜿蜒路径飞离蜂巢很远，却几乎以直线返回，这令我们十分着迷。”代尔夫特理工大学仿生人工智能无人机教授 Guido de Croon 说。
“生物学家已经证明，蜜蜂在返程时依赖里程计，而在接近蜂巢时则更多依靠视觉记忆。但它们究竟学习什么、如何学习来形成视觉记忆，目前仍未完全了解。这恰恰就是我们需要衔接的空白，从而为机器人创造一套实用的导航策略。”Croon 补充道。
测试展现潜力
研究人员成功地将 Bee-Nav 策略从小型室内测试拓展到了广阔的环境中，包括一次由仅 42 KB 神经网络驱动的 600 米户外飞行。
有意思的是，该系统在大型室内机库中取得了 100% 的成功率，但在有风的户外条件下，成功率降至 70%。这一下降主要源于风力迫使无人机倾斜，扭曲了 AI 导航所依赖的全景图像——这也是未来技术改进的方向。
“这些实验非常鼓舞人心，但也表明我们当前的系统需要在真实条件下变得更稳健。”研究人员表示。
Bee-Nav 技术在温室监测方面尤其具有前景。轻量、类似昆虫的无人机可以安全地在人员身旁飞行，尽早检测病虫害。这种高效方式能帮助种植者提高作物产量、减少损耗，而无需沉重硬件。
除了工业潜力，这项研究还提供了宝贵的生物学见解，为理解蜜蜂如何整合视觉学习、成功导航回巢提供了新视角。
这项研究已发表在《自然》期刊上。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
