Уловки, подсмотренные у медоносных пчёл, помогают дронам возвращаться домой без GPS

Медоносные пчёлы ^[1] регулярно улетают на расстояние до 3 км от своего улья в поисках пищи, а затем возвращаются домой с поразительной точностью. Если соотнести это с размером их тела, то это сравнимо с тем, как если бы человек пролетел сотни километров и нашёл дорогу обратно без карты, компаса, GPS или смартфона. Несмотря на то, что мозг ^[2] пчёл меньше кунжутного семечка, они совершают этот подвиг с поразительной эффективностью. Теперь исследователи адаптировали те же биологические принципы для системы навигации дронов, которая может направлять лёгких летающих роботов домой, используя всего 42 КБ памяти ^[3].

Разработанная командой под руководством Делфтского технологического университета в Нидерландах система, получившая название Bee-Nav, позволяет дронам автономно ориентироваться и возвращаться к месту старта без использования GPS или вычислительно сложных систем картографирования. Исследователи продемонстрировали эту технологию как в помещении, так и на открытом воздухе, в том числе во время полёта на расстояние более 600 м, при этом используя нейронные сети, которые в тысячи раз меньше тех, что обычно применяются в современных системах искусственного интеллекта ^[4].

В работе, опубликованной в журнале «Nature», рассматривается одна из самых фундаментальных задач в области робототехники: навигация. Будь то осмотр промышленной инфраструктуры, доставка посылок, мониторинг сельскохозяйственных культур или исследование зон бедствий, автономные роботы должны уметь определять своё местоположение и вычислять маршрут до места назначения.

Современные автономные дроны, как правило, полагаются на GPS и/или подробные карты окружающей среды. Ещё одним распространённым методом является одновременная локализация и картографирование (SLAM), которая непрерывно строит и обновляет трёхмерные модели окружающей среды, одновременно отслеживая положение робота в них. Несмотря на высокую эффективность, эти подходы требуют значительных вычислительных мощностей, памяти и энергии — ресурсов, которые бывает сложно адаптировать для небольших летательных роботов, в которых важен каждый грамм веса и каждый милливатт мощности.

Медоносные пчёлы, похоже, нашли гораздо более эффективное решение. В чём их секрет? В одометрии — процессе, при котором движение оценивается на основе сигналов, собираемых во время полёта. Проще говоря, насекомое отслеживает, какое примерно расстояние оно пролетело и в каком направлении, основываясь на движениях своего тела. Это похоже на то, как человек мысленно считает свои шаги, идя по тёмной комнате. Проблема заключается в том, что со временем в этих оценках накапливаются ошибки ^[5], что приводит к навигационному эквиваленту медленно сбивающегося компаса.

Чтобы компенсировать это, пчёлы, по-видимому, также полагаются на визуальные воспоминания об окружающей обстановке. Перед тем как отправляться в более длительные путешествия, они совершают короткие «ознакомительные полёты» вокруг своего улья, внимательно изучая близлежащие ориентиры и ландшафт. Это своего рода поездка «на разведку окрестностей». Позже эти визуальные воспоминания помогают им найти дорогу домой.

Система Bee-Nav пытается воспроизвести эту стратегию. Подобно медоносной пчеле, впервые покидающей улей, дрон начинает с короткого ознакомительного полёта вокруг своего дома. На этом этапе он делает панорамные снимки окружающей среды. Затем эти изображения обрабатываются небольшой нейронной сетью, обученной оценивать как направление, так и расстояние до точки отправления.

Вместо того чтобы полагаться на точные данные о своём положении, система обучается, используя оценки одометрии, которые сами по себе несовершенны и подвержены дрейфу. По словам исследователей, одним из ключевых вопросов было то, помешают ли эти погрешности дрону усвоить полезные визуальные ориентиры. Удивительно, но это ему не помешало.

В ходе одного из экспериментов в помещении команда продемонстрировала успешное возвращение к месту старта с помощью нейронной сети, занимающей всего 3,4 КБ памяти. Дрон анализировал панорамные изображения окружающей обстановки и определял как направление движения, так и расстояние до места старта. Оценка расстояния позволяла дрону корректировать своё поведение ^[7]: он двигался быстрее, когда находился дальше, и замедлялся по мере приближения к месту назначения.

Затем исследователи расширили масштаб системы, применив её в более крупных помещениях и на открытом воздухе. В ходе испытаний, проведённых в голландском исследовательском центре по дронам Unmanned Valley, дрон преодолел более 600 м, прежде чем успешно вернуться домой, используя нейронную сеть, занимавшую всего 42 КБ памяти — примерно столько же, сколько занимает стикер в WhatsApp. В больших помещениях, таких как авиационные ангары, система успешно прошла все испытания. Работа на открытом воздухе оказалась более сложной, особенно в ветреных условиях, когда показатель успешности снизился до примерно 70 %.

Команда обнаружила, что наклон, вызванный ветром, изменял обзор дрона на окружающую обстановку, затрудняя визуальное распознавание. Повышение устойчивости к этим реальным воздействиям окружающей среды остаётся важным направлением для дальнейших разработок.

Одним из наиболее перспективных направлений применения может стать мониторинг сельскохозяйственных культур. Лёгкие дроны, оснащённые системой Bee-Nav, смогут автономно осматривать посевы в теплицах, выявляя болезни, вредителей или другие проблемы до того, как они распространятся. Поскольку система требует минимальных вычислительных мощностей и объёма памяти, она позволит создавать гораздо более компактные и безопасные дроны, способные работать рядом с людьми без необходимости установки у них на борту тяжёлых компьютеров.

Помимо сельского хозяйства, этот подход может найти применение в складской робототехнике, мониторинге окружающей среды, промышленном контроле и роях дронов. Эта технология может оказаться особенно привлекательной в ситуациях, когда сигналы GPS недоступны или ненадёжны, а вес и энергопотребление являются критическими ограничениями.

Эта работа также может дать новые представления и о насекомых. Хотя учёные изучают навигацию пчёл уже десятилетиями, успешное воссоздание их стратегии возвращения домой в машинах может помочь раскрыть, как существа с мозгом меньше рисового зерна регулярно совершают навигационные подвиги, которые по-прежнему остаются сложной задачей для современных роботов.