Le dimensioni sono una prigione per l’ingegneria.
Se vuoi costruire un drone che stia nel tuo palmo, non puoi permetterti il GPS. Non è possibile trasportare pesanti mattoncini agli ioni di litio, LIDAR complessi o unità di elaborazione ingombranti. La fisica semplicemente non funziona. Eppure i ricercatori dell’Università di Tecnologia di Delft hanno trovato una soluzione alternativa rubando il più antico aereo della natura: l’ape.
Lo chiamano Bee-Nav.
L’idea, pubblicata su Nature, è ingannevolmente semplice. Le api mellifere non si orientano con la precisione satellitare. Imparano. Guido de Croon, l’autore principale dello studio, spiega che quando un’ape lascia il suo alveare, fa un breve “volo di apprendimento”. Memorizza i punti di riferimento. Quindi, mentre si avventura, traccia la direzione e la velocità attraverso l’integrazione del percorso. Tiene un conteggio aggiornato di quanto lontano e dove è andato.
L’integrazione del percorso è disordinata. Piccoli errori si accumulano nel tempo. Se ti fidi solo della tua bussola interna, alla fine ti perderai. Le api risolvono questo problema facendo affidamento su quei ricordi iniziali dei punti di riferimento per correggere il loro percorso sulla via del ritorno.
I ricercatori hanno copiato questo esatto flusso di lavoro.
Imparare la vista
Un drone equipaggiato con Bee-Nav inizia restando in bilico vicino al suo sito di lancio. Una minuscola telecamera omnidirezionale scansiona lo scenario. Questa non è osservazione passiva. Durante il volo, una piccola rete neurale a bordo mappa queste immagini su “vettori domestici”.
Pensa a queste come frecce invisibili che puntano direttamente al pad.
Questo crea ciò che il team chiama Area di homing appresa. Una volta che il drone sa com’è “casa”, può volare lontano. Per tornare indietro, si basa innanzitutto sull’integrazione del percorso: tornare sui propri passi in base alla velocità e alla direzione. Se atterra all’interno di quella zona sicura e familiare, entra in azione la rete visiva. La telecamera riconosce l’ambiente circostante e lo guida per il resto del percorso.
Nessun satellite. Nessuna mappa globale. Solo memoria.
Piccoli computer, grandi risultati
L’hardware che fa il lavoro pesante? Un Raspberry Pi 4 pronto all’uso. Ha le dimensioni di una carta di credito. Gestisce reti neurali utilizzando tra 3,4 e 42,3 kilobyle di memoria.
Fermati lì per un secondo.
Si tratta di migliaia di volte meno memoria di quella utilizzata dai sistemi di mappatura convenzionali. E ha funzionato. I droni di prova sono tornati da una distanza di 600 metri (quasi 2.000 piedi) all’aperto. Hanno affrontato le raffiche di vento. Hanno gestito il riverbero del sole che accecava la telecamera. Hanno trovato la loro strada.
Sarah Bergbreiter, professoressa di ingegneria meccanica alla Carnegie Mellon, non faceva parte dello studio, ma ne è rimasta colpita. Vede chiaramente il potenziale.
“Per i robot di piccola scala su cui lavora il mio team, questo è l’approccio gentile che rende plausibile un serio impiego all’aperto.”
Non ci siamo ancora del tutto
Non è ancora la soluzione miracolosa.
Ci sono buchi nell’armatura. Cosa succede se il drone deve navigare tra più luoghi memorizzati, non solo tra casa? E se si lanciasse in un campo anonimo e senza punti di riferimento a cui ancorare la memoria? Queste rimangono domande aperte.
Sean Humbert dell’Università del Colorado Boulder sottolinea un altro problema: gli ambienti disordinati. Il Bee-Nav aiuta nell’orientamento, ma non gestisce gli ostacoli dinamici. Sono comunque necessari sistemi di evitamento locali per evitare incidenti contro muri o auto in movimento.
Eppure de Croon sostiene che il percorso è abbastanza chiaro.
Questa tecnologia potrebbe ridurre il peso dei droni autonomi fino a 30 o 50 grammi. Egli osserva che per ridimensionare tutto fino alle dimensioni degli insetti è necessario prima risolvere la miniaturizzazione della batteria, un problema fondamentale ostinato. Ma il cervello? Il cervello è pronto.
O almeno, è più piccolo di quanto pensi che debba essere.
