你是否曾好奇过昆虫是如何远离家园却仍能导航归来的？这个问题不仅在生物学上具有重要意义，还有助于开发用于小型自主机器人的人工智能。来自代尔夫特科技大学的研究人员受到蚂蚁能够视觉识别其周围环境和计步方法的启发，最终创造了模拟这些行为的小型机器人导航系统。这种方法使这些轻量机器人在行走较长距离后能够返回家中，同时使用最少的计算能力和内存（每100米仅消耗0.65千字节）。未来，我们可能会看到这些小型自主机器人用于各种任务，包括仓库中的库存监控和工业环境中气体泄漏检测。研究团队在2024年7月17日的《科学机器人》上分享了他们的研究成果。
倡导小型机器人
小型机器人重量在几十到几百克之间，具有引人入胜的现实世界应用潜力。它们的轻量设计确保即使意外碰到人也很安全。它们的小尺寸还使得它们能够在狭小的空间中灵活移动。如果能够以经济的方式生产，它们可以大量部署，从而有效覆盖广阔的区域，例如温室，以快速识别害虫或疾病。
然而，使这些小型机器人能够自主操作面临挑战，因为与较大机器相比，它们的资源有限。一个主要障碍是自导航的需求。虽然这些机器人可以利用外部基础设施，例如户外的GPS卫星和室内的无线通信信标，但依赖这些系统往往不切实际。GPS在建筑物内无法使用，并且在拥挤的城市区域可能不准确。此外，在室内环境中安装和维护信标可能成本高昂或根本不可行，尤其是在如搜救任务的情境中。
用于自主导航的人工智能通常是为较大机器人设计的，例如自动驾驶车辆。一些方法依赖于重型、耗电的传感器，如激光雷达（LiDAR），这是小型机器人无法携带或供电的。其他方法使用视觉作为更高效的传感器，提供广泛的环境数据。然而，这些方法通常旨在创建详细的3D地图，而这些需求则超出了小型机器人的处理能力和内存。
计步和视觉线索
正是在这里，研究人员开始向自然寻找解决方案。昆虫格外引人注目，因为它们可以横渡适用于许多现实世界用途的距离，同时依赖极少的感知和计算资源。研究已经揭示了关于昆虫的许多策略，特别是它们如何将运动跟踪（称为“里程计”）与基于低分辨率、几乎全向视觉的视觉行为（称为“视图记忆”）相结合。虽然里程计的概念已被很好地理解，但视图记忆的具体细节仍在探索中。一种早期理论提出，昆虫会对周围环境拍“快照”。当接近熟悉的位置时，昆虫可以将当前视图与快照进行比较，并导航以最小化差异，从而能够返回家中，同时补偿任何里程计的漂移。
“基于快照的导航就像汉塞尔与格蕾特尔的童话，”研究的主要作者汤姆·范·迪克解释说。“汉塞尔扔石头以避免迷路，但当他扔下的面包屑被鸟吃掉时，他和格蕾特尔偏离了方向。在我们的案例中，石头代表这些快照。”他进一步补充说，为了使快照方法有效，机器人必须靠近快照。如果视觉与快照存在显著差异，机器人可能会迷失方向。因此，使用足够的快照是至关重要的——就像汉塞尔需要丢下足够多的石头一样。但是，将石头放置得太近会很快耗尽它们。类似地，对于机器人来说，使用过多的快照将需要过多的内存。以往研究常常将快照间距安排得过于接近，使机器人能够导航从一个快照到下一个快照。
“我们方法背后的关键认识是，如果机器人在其之间使用里程计达到，快照可以设置得远得多，”专注于仿生无人机的教授和文章的共同作者吉多·德·克隆指出。“只要机器人到达足够接近快照位置的区域，回家就会是有效的，这意味着来自里程计的漂移需要保持在快照的集水区内。这个方法使机器人可以走得更远，因为它在导航回快照时移动比直接前往下一个快照时更慢。”
这种受昆虫启发的导航策略成功地使一架重量为56克的“CrazyFlie”无人机，配备全向摄像头，能够在仅使用0.65千字节的情况下横渡长达100米的距离。所有视觉处理均在一种称为“微控制器”的紧凑设备上完成，这种设备常见于便宜的电子产品中。
应用机器人技术
“这种受昆虫启发的导航策略在现实世界场景中显著推动了小型自主机器人的适用性，”吉多·德·克隆总结道。“虽然该策略不如尖端导航技术可靠，并且只能返回起点而不生成地图，但这对于许多用途可能已足够。例如，在仓库进行库存跟踪或在温室中监测作物时，无人机可以飞出，收集数据，然后返回基地。它们可以将相关图像保存到一个小SD卡中，以便稍后由服务器分析，但导航时并不需要这些图像。”
