TUdelft
Zveni kot znanstvena fantastika, a hkrati je tudi čudno znano: droni, ki brenčijo naokoli, pregledujejo paradižnike v rastlinjakih, dostavljajo vaše pošiljke ali pregledujejo industrijska območja.
Glede na vse govorice o rojih dronov se zdi, da se razvoj na področju dronov hitro odvija.
Vendar njihova navigacija še vedno zahteva veliko računske moči in pomnilnika, zaradi česar so droni težji, dražji in porabijo veliko energije. Znanstveniki pod vodstvom Tehnične univerze v Delftu (Nizozemska) so se zgledovali po naravi in preučili, kako medonosne čebele najdejo pot, da bi končno rešili ta problem. Rezultate so objavili v reviji Nature [1].
Znanstvena ekipa, sestavljena iz strokovnjakov za robotiko z Delftske tehnološke univerze ter biologov z Univerze v Wageningenu in Univerze Carla von Ossietzkyja v Oldenburgu, zdaj predstavlja »Bee-Nav«: strategijo navigacije za robote, ki črpa navdih iz medonosnih čebel. Ta strategija omogoča, da se tudi zelo majhni roboti odpravijo daleč od doma in se uspešno vrnejo, pri čemer uporabljajo nevronski spomin velikosti le 42 kilobajtov. V novem okolju robot najprej opravi kratek učni polet v bližini izhodišča, tako kot to počnejo čebele. Nato se lahko oddalji za več sto metrov in kljub temu najde pot nazaj. Sistem Bee-Nav omogoča lahkim in varnim robotom samostojno navigacijo, kar odpira možnosti za uporabo, kot so droni v obliki metuljev, ki nadzorujejo rastlinjake. Raziskava prav tako ponuja nov vpogled v to, kako leteči insekti najdejo pot domov.
Izzivi navigacije
Mnogi roboti prihodnosti bodo morali samostojno navigirati tudi tam, kjer GPS signal ni na voljo. Večina sedanjih sistemov to omogoča z izdelavo podrobnih zemljevidov okolja. Vendar to zahteva veliko računske moči in pomnilnika, zaradi česar so taki sistemi dragi in porabijo veliko energije.
Čebele kažejo, da obstaja morda veliko učinkovitejša rešitev. Kljub svojim majhnim možganom lahko preletijo dolge razdalje in se kljub temu vrnejo domov. To jim deloma uspeva z odometrijo: na podlagi vizualnih znakov gibanja ocenijo, kako daleč in v katero smer so se premaknile. To si lahko predstavljamo kot nekakšno štetje korakov, če tako rečemo.
Na žalost se odometrija sčasoma sama po sebi spreminja, zato postaja vse manj natančna. Zato se žuželke zanašajo tudi na vizualni spomin. Zapomnijo si, kako izgleda svet okoli pomembnih krajev, kot je njihov dom. Znanstveniki dobro razumejo odometrijo žuželk, celo na nevronski ravni, vendar je vizualni spomin še vedno veliko težje pojasniti. Prav tako še ni bilo jasno, kako bi bilo mogoče ti dve sposobnosti združiti, da bi pomagali zelo majhnim robotom pri samostojni navigaciji.
Navigacijska strategija robota »Bee-Nav«
Raziskovalna skupina iz Nizozemske in Nemčije se je navdihnila pri tem, kar počnejo čebele, ko prvič zapustijo panj. Ta drobna bitja najprej opravijo kratke učne lete v bližini svojega panja. Nato se lahko odpravijo veliko dlje in se kljub temu uspešno vrnejo. Nekoliko podobno je, kot če stopiš iz svoje hiše in se sprehodiš po prvih nekaj ulicah v okolici. Zdaj prepoznaš svojo sosesko, ne glede na to, kako se ji približuješ na poti nazaj.
»Navdušilo nas je dejstvo, da lahko medonosne čebele po vijugastih poteh odletijo daleč od doma, a se nato vrnejo skoraj po najkrajši poti,« pravi Guido de Croon, profesor umetne inteligence za drone navdihnjene nad naravo na Tehniški univerzi v Delftu (Nizozemska). »Biologi so pokazali, da se čebele na poti nazaj zanašajo na odometrijo, vizualni spomin pa uporabljajo bolj, ko se približujejo domu. Vendar pa še vedno ni popolnoma jasno, kaj in kako se učijo za svoj vizualni spomin. To je bila vrzel, ki smo jo morali zapolniti, da bi ustvarili praktično navigacijsko strategijo za robote.«
Tudi v programu Bee-Nav robot najprej opravi kratek učni polet v bližini doma. Med tem poletom zajame panoramske posnetke okolice. Nato se majhno nevronsko omrežje nauči obdelovati te posnetke za oceno smeri in razdalje do doma.
»Tako kot žuželka robot morda ne ve vedno natančno, kje je dom,« pravi Dequan Ou, doktorski kandidat na Tehniški univerzi v Delftu in prvi avtor članka. »Dom je morda premajhen, da bi ga bilo mogoče videti, ali pa je skrit za drevesi. Zato smo nevronsko mrežo usposobili z uporabo odometričnih ocen smeri in razdalje do doma, čeprav te s časom postajajo manj natančne. Ključno vprašanje je bilo, ali bo to še vedno zadostovalo, da se robot nauči vrniti domov.«
Izkazalo se je, da je bilo tako. Odometrični odklon ni preprečil uspešnega vizualnega vračanja na izhodišče. Slika4 prikazuje štiri polete robota, ki so se začeli z različnih točk znotraj naučenega območja. Z uporabo nevronske mreže, velike le 3,4 kilobajta, je robot interpretiral panoramske slike svojega okolja ter ocenil, v katero smer se mora premikati in kako daleč je še od doma. Ocenjena razdalja je robotu omogočila, da se je premikal hitreje, ko je bil dlje stran, in počasneje, ko se je približeval domu. Pri vseh poletih se je robot uspešno vrnil na izhodišče.
Uporaba v realnem življenju
Po uspešnih poskusih vračanja v izhodišče v manjših notranjih prostorih so raziskovalci celotno navigacijsko strategijo preizkusili v večjih notranjih in zunanjih okoljih. V enem od zunanjih poskusov na nizozemskem raziskovalnem poligonu za drone »Unmanned Valley« v Valkenburgu je dron preletel več kot 600 metrov in se kljub temu vrnil v izhodišče, pri čemer je uporabil nevronsko mrežo velikosti le 42 kilobajtov.
V velikih zaprtih prostorih, kot so hangarji, je sistem uspešno opravil vse teste. V vetrovnih zunanjih razmerah se je stopnja uspešnosti znižala na 70 odstotkov. Eden od glavnih razlogov je bil, da je veter prisilil drona, da se je nagnil, zaradi česar je bilo slike težje uporabiti za navigacijo.
»Poskusi so zelo spodbudni,« pravi Dequan Ou. »Vendar pa kažejo tudi, da mora naš sedanji sistem postati bolj zanesljiv v realnih pogojih.«
Ena od obetavnih uporab je nadzor rastlinjakov. Lahki droni bi lahko pregledovali pridelke in v zgodnji fazi odkrivali bolezni ali škodljivce, s čimer bi pridelovalcem pomagali povečati pridelek in hkrati zmanjšati količino odpadkov. Bee-Nav je še posebej primeren za takšne drone, saj morajo biti lahki in varni za ljudi, ki delajo v njihovi bližini.
Nazadnje raziskava ponuja tudi nov pogled na to, kako se čebele vračajo v panj in kako lahko vizualno učenje vpliva na to pot.
Podatki o članku »Učinkovita navigacija robotov, navdihnjena z učnimi poleti čebel«, avtorji: D. Ou1, J.J. Hagenaars1, M. Jankowski1, M.V.M. Firlefyn1, C. De Wagter1, F.T. Muijres2, J. Degen3 in G.C.H.E. de Croon1 [2].
Micro Air Vehicle laboratory, Control and Operations department, Faculty of Aerospace Engineering, Delft University of Technology, the Netherlands.
Experimental Zoology Group, Wageningen University, the Netherlands.
Navigation Biology Group, Institute of Biology and Environmental Sciences, Carl von Ossietzky University of Oldenburg, Germany
Del tega projekta je financiral Nizozemski raziskovalni svet (NWO) v okviru subvencije št. 20663 programa osebnih subvencij VICI ter subvencije št. NNWA.1292.19.298 Nizozemske raziskovalne agende.
Viri:
1: https://www.nature.com/articles/s41586-026-10461-3
2: https://www.nature.com/articles/s41586-026-10461-3
Povzeto po:
https://www.tudelft.nl/en/2026/tu-delft/honeybees-teach-drones-how-to-navigate
