Größe ist ein Gefängnis für Ingenieurskunst.
Wenn Sie eine Drohne bauen möchten, die in Ihre Handfläche passt, können Sie sich kein GPS leisten. Sie können keine schweren Lithium-Ionen-Steine, kein komplexes LIDAR oder sperrige Verarbeitungseinheiten transportieren. Die Physik funktioniert einfach nicht. Doch Forscher der Technischen Universität Delft haben einen Workaround gefunden, indem sie den ältesten Luftakrobaten der Natur bestohlen haben: die Honigbiene.
Sie nennen es Bee-Nav.
Die in Nature veröffentlichte Idee ist täuschend einfach. Honigbienen navigieren nicht mit Satellitenpräzision. Sie lernen. Guido de Croon, der Hauptautor der Studie, erklärt, dass eine Biene, wenn sie ihren Bienenstock verlässt, einen kurzen „Lernflug“ unternimmt. Es merkt sich Orientierungspunkte. Wenn es sich dann auf den Weg macht, verfolgt es Richtung und Geschwindigkeit durch Pfadintegration. Es zeichnet laufend auf, wie weit und wo es zurückgelegt wurde.
Die Pfadintegration ist chaotisch. Kleine Fehler verstärken sich mit der Zeit. Wenn Sie nur Ihrem inneren Kompass vertrauen, verirren Sie sich irgendwann. Bienen beheben dieses Problem, indem sie sich auf die ersten Erinnerungen an Meilensteine verlassen, um ihren Kurs auf dem Rückweg zu korrigieren.
Die Forscher haben genau diesen Arbeitsablauf kopiert.
Die Ansicht lernen
Eine mit Bee-Nav ausgestattete Drohne schwebt zunächst in der Nähe ihres Startplatzes. Eine winzige omnidirektionale Kamera scannt die Landschaft. Das ist keine passive Beobachtung. Während des Fluges ordnet ein winziges neuronales Netzwerk an Bord diese Bilder „Heimatvektoren“ zu.
Stellen Sie sich diese als unsichtbare Pfeile vor, die direkt zurück zum Pad zeigen.
Dadurch entsteht das, was das Team als Learned Homing Area bezeichnet. Sobald die Drohne weiß, wie „Zuhause“ aussieht, kann sie weit weg fliegen. Um zurückzukehren, ist es zunächst auf die Pfadintegration angewiesen – ein Zurückverfolgen basierend auf Geschwindigkeit und Richtung. Wenn es in der bekannten sicheren Zone landet, greift das visuelle Netzwerk. Die Kamera erkennt die Umgebung und leitet es über den weiteren Weg.
Keine Satelliten. Keine globalen Karten. Nur Erinnerung.
Kleine Computer, große Ergebnisse
Die Hardware übernimmt die schwere Arbeit? Ein handelsüblicher Raspberry Pi 4. Es hat die Größe einer Kreditkarte. Es betreibt neuronale Netze und benötigt zwischen 3,4 und 42,3 Kilobyle Speicher.
Halten Sie dort für eine Sekunde inne.
Das ist tausendmal weniger Speicher, als herkömmliche Kartensysteme verbrauchen. Und es hat funktioniert. Die Testdrohnen kehrten aus einer Entfernung von 600 Metern (fast 2.000 Fuß) im Freien zurück. Sie bekämpften Windböen. Sie kamen mit blendender Sonneneinstrahlung zurecht. Sie haben ihren Weg gefunden.
Sarah Bergbreiter, Professorin für Maschinenbau an der Carnegie Mellon, war nicht an der Studie beteiligt, aber sie war beeindruckt. Sie sieht das Potenzial klar.
„Für die kleinen Roboter, an denen mein Team arbeitet, ist dies der Ansatz, der einen ernsthaften Einsatz im Freien plausibel macht.“
Immer noch nicht ganz da
Es ist noch keine Wunderwaffe.
Es gibt Löcher in der Rüstung. Was passiert, wenn die Drohne zwischen mehreren gespeicherten Orten navigieren muss, nicht nur zu Hause? Was wäre, wenn es in einem merkwürdigen Feld ohne Orientierungspunkte startet, die seine Erinnerung festhalten könnten? Das bleiben offene Fragen.
Sean Humbert von der University of Colorado Boulder weist auf einen weiteren Haken hin: überfüllte Umgebungen. Das Bee-Nav hilft bei der Orientierung, bewältigt jedoch keine dynamischen Hindernisse. Sie benötigen weiterhin lokale Vermeidungssysteme, um Kollisionen mit Wänden oder fahrenden Autos zu verhindern.
Dennoch argumentiert de Croon, dass der Weg klar genug sei.
Diese Technologie könnte autonome Drohnen auf 30 oder 50 Gramm reduzieren. Er weist darauf hin, dass für die Skalierung bis hin zur Insektengröße zunächst die Miniaturisierung der Batterien gelöst werden muss – ein hartnäckiges grundlegendes Problem. Aber das Gehirn? Das Gehirn ist bereit.
Zumindest ist es kleiner, als Sie denken.
