-
Naukowcy z Holandii i Niemiec stworzyli system nawigacji dla dronów wzorowany na zachowaniu pszczół miodnych, który nie wymaga GPS ani dużej ilości pamięci.
-
Metoda Bee-Nav pozwala dronom wracać do punktu początkowego, wykorzystując odometrię oraz uczenie maszynowe na podstawie panoramicznych obrazów otoczenia.
-
System Bee-Nav działa przy użyciu sieci neuronowej mieszczącej się w 42 kilobajtach i osiągnął skuteczność do 70 procent w trudniejszych warunkach terenowych.
-
Więcej podobnych informacji znajdziesz na stronie głównej serwisu
Drony są coraz mniejsze, lżejsze i tańsze, ale ich autonomia nadal ma ograniczenia. Problemem nie są już same silniki czy baterie, lecz orientacja w terenie. Żeby samodzielnie wrócić do punktu startowego albo poruszać się bez GPS, większość maszyn potrzebuje rozbudowanych map, dużej mocy obliczeniowej i energochłonnych komputerów pokładowych. To zwiększa wagę urządzenia, skraca czas lotu i utrudnia miniaturyzację.
Tymczasem pszczoły radzą sobie z podobnym zadaniem od milionów lat. Mają mózgi wielkości ziarenka sezamu, a mimo to potrafią oddalać się od ula na setki metrów, zapamiętywać trasę i wracać nawet po bardzo złożonym locie. Właśnie temu postanowili przyjrzeć się naukowcy z Delft University of Technology, Wageningen University i Carl von Ossietzky University of Oldenburg.
Efektem ich pracy jest system Bee-Nav opisany w czasopiśmie Nature. To metoda nawigacji inspirowana zachowaniem pszczół miodnych, która pozwala niewielkim dronom wracać do miejsca startu przy użyciu zaledwie 42 kilobajtów pamięci neuronowej. Dla porównania pojedyncze zdjęcie wykonane smartfonem zwykle zajmuje kilka megabajtów, czyli setki razy więcej.
Jak pszczoła znajduje drogę
Współczesne systemy nawigacji dla dronów często działają podobnie do autonomicznych samochodów. Budują szczegółowe mapy otoczenia, analizują pozycję obiektów i stale przeliczają swoją lokalizację. Takie rozwiązania są skuteczne, ale wymagają dużych zasobów sprzętowych.
Pszczoły robią to inaczej. Korzystają między innymi z odometrii, czyli szacowania przebytego dystansu i kierunku ruchu na podstawie tego, jak zmienia się obraz otoczenia podczas lotu. Można to porównać do liczenia kroków, choć u owadów rolę „kroków” pełni ruch obrazu rejestrowanego przez oczy.
Ten system nie jest idealny. Im dłuższa trasa, tym większy błąd. Dlatego owady wspomagają się pamięcią wzrokową. Zapamiętują wygląd otoczenia wokół ważnych miejsc, takich jak ul czy źródło pożywienia. Do tej pory badacze dobrze rozumieli samą odometrię, ale znacznie trudniej było wyjaśnić, jak pamięć wzrokowa współpracuje z nią podczas lotu.
„Fascynowało nas to, że pszczoły miodne mogą oddalać się od domu po krętych trasach, a mimo to wracać niemal po linii prostej” – mówi Guido de Croon z Delft University of Technology. „Biolodzy pokazali, że pszczoły polegają podczas powrotu na odometrii, a z pamięci wzrokowej korzystają bardziej, gdy zbliżają się do domu. Nadal jednak nie było jasne, czego dokładnie się uczą i jak wykorzystują to podczas nawigacji„.
Krótki lot treningowy wystarcza
Naukowcy postanowili odtworzyć zachowanie młodych pszczół podczas ich pierwszych lotów. Owady po opuszczeniu ula nie odlatują od razu daleko. Najpierw wykonują krótkie loty treningowe w pobliżu gniazda, jakby zapamiętywały okolicę.
Bee-Nav działa podobnie. Dron najpierw wykonuje krótki lot wokół miejsca startu. W tym czasie zbiera panoramiczne obrazy otoczenia. Następnie niewielka sieć neuronowa uczy się interpretować te obrazy tak, by oszacować kierunek oraz odległość do „domu”.
Co ważne, system uczono na danych obarczonych błędami. Odometria z czasem staje się coraz mniej dokładna, podobnie jak u owadów. Badacze chcieli sprawdzić, czy mimo tego dron będzie w stanie nauczyć się skutecznego powrotu.
„Tak jak owad, robot nie zawsze dokładnie wie, gdzie znajduje się dom” – wyjaśnia Dequan Ou, doktorant z Delft University of Technology i pierwszy autor publikacji. „Dom może być zbyt mały, by go zobaczyć, albo zasłonięty przez drzewa. Dlatego trenowaliśmy sieć neuronową przy użyciu szacunków kierunku i odległości opartych na odometrii, mimo że z czasem stają się one mniej dokładne”.
Okazało się, że taki uproszczony system działa zaskakująco dobrze. W jednym z eksperymentów dron korzystał z sieci neuronowej o wielkości zaledwie 3,4 kilobajta. Analizował panoramiczne obrazy otoczenia i na ich podstawie oceniał, w którą stronę powinien lecieć oraz jak daleko znajduje się od punktu startowego. We wszystkich testowych lotach wrócił do celu.
Lot bez GPS i ciężkiego komputera
Po udanych eksperymentach w laboratorium naukowcy przetestowali Bee-Nav także na zewnątrz. W jednym z testów przeprowadzonych w holenderskim ośrodku badawczym Unmanned Valley dron przeleciał ponad 600 metrów i wrócił do miejsca startu bez użycia GPS.
Cały system działał przy użyciu sieci neuronowej mieszczącej się w 42 kilobajtach pamięci. To bardzo mało nawet jak na proste urządzenia elektroniczne. Dla porównania typowy e-mail bez załączników często zajmuje więcej miejsca.
W dużych przestrzeniach zamkniętych, takich jak hangary, system był skuteczny podczas wszystkich prób. W trudniejszych warunkach terenowych skuteczność spadła do około 70 proc. Jednym z głównych problemów okazał się wiatr. Silniejsze podmuchy przechylały drona, przez co obrazy z kamer stawały się trudniejsze do interpretacji.
„Eksperymenty są bardzo obiecujące” – mówi Ou. „Ale pokazują też, że obecny system musi stać się bardziej odporny na rzeczywiste warunki”.
Badacze podkreślają, że najważniejszą zaletą Bee-Nav jest prostota. System nie wymaga dużych baz danych ani szczegółowych map świata. Wystarcza krótki lot zapoznawczy i niewielka ilość pamięci.
Owady coraz częściej inspirują robotykę
Bee-Nav wpisuje się w szerszy trend rozwoju robotyki inspirowanej owadami. Inżynierowie coraz częściej próbują kopiować rozwiązania wypracowane przez ewolucję zamiast budować coraz bardziej złożone systemy obliczeniowe.
W ubiegłym roku badacze z Japonii stworzyli eksperymentalnego drona wyposażonego w anteny jedwabników. System miał pomagać maszynie wykrywać zapachy i śledzić ich źródło. Takie rozwiązanie mogłoby w przyszłości znaleźć zastosowanie podczas poszukiwań ludzi po katastrofach budowlanych albo przy wykrywaniu wycieków gazu i substancji niebezpiecznych.
Z kolei zespół z University of Cincinnati opracował drona przypominającego ćmę, który potrafi stabilnie zawisać w powietrzu bez użycia sztucznej inteligencji i rozbudowanych modeli matematycznych. Badacze inspirowali się sposobem, w jaki owady stale wykonują drobne korekty ruchu podczas lotu.
Takie projekty pokazują, że miniaturowe roboty mogą rozwijać się w zupełnie innym kierunku niż duże autonomiczne pojazdy. Zamiast coraz większej mocy obliczeniowej mogą wykorzystywać proste, energooszczędne strategie podobne do tych, które od dawna stosują owady.
W przypadku Bee-Nav najciekawsze jest chyba to, że bardzo ograniczone zasoby nie muszą oznaczać ograniczonych możliwości. Pszczoły pokazują, że nawet niewielki układ nerwowy może skutecznie rozwiązywać złożone problemy związane z orientacją w przestrzeni. A inżynierowie coraz wyraźniej próbują tę lekcję odrobić.