受蜜蜂學習飛行啟發的高效能無人機導航

(https://www.nature.com/articles/s41586-026-10461-3)

 導航對於動物和無人機來說都是至關重要的能力。儘管微小的飛行昆蟲能夠穩健地進行長距離導航，但目前最先進的無人機導航方法計算量巨大，因此僅限於大型無人機 。這篇論文提出了一種名為「Bee-Nav」的高效導航策略，其靈感來自蜜蜂的視覺學習飛行。在類似的無人機學習飛行中，這項研究訓練了一個小型神經網絡，使其能夠基於路徑積分將全方位影像映射到歸巢向量。學習完成後，無人機可以飛離巢地很遠，然後利用路徑積分直線返回，並透過視覺歸巢網路消除積分漂移。模擬結果表明：在達到實際的路徑積分精度後，神經網路僅需在總飛行區域的約0.25%至10.00%上進行訓練。在室內和室外真實實驗中，小型無人機分別使用3.4 kB和42 kB的神經網絡，在有風條件下，30-110米飛行中成功返回到距離起飛點0.5米以內的概率為100%，200-600米飛行中成功返回到起飛點0.5米以內的概率為70%。所提出的導航策略對於資源受限、需要在往返起飛點途中執行任務的無人機至關重要。此外，它還為昆蟲導航的神經行為提供了新的視角，從視覺學習如何塑造歸巢軌跡到認知地圖的本質。