Grootte is een gevangenis voor techniek.
Als je een drone wilt bouwen die in je handpalm past, kun je je geen GPS veroorloven. U kunt geen zware lithium-ionstenen, complexe LIDAR of omvangrijke verwerkingseenheden vervoeren. De natuurkunde werkt simpelweg niet. Toch hebben onderzoekers van de Technische Universiteit Delft een oplossing gevonden door te stelen van de oudste luchtvogels van de natuur: de honingbij.
Ze noemen het Bee-Nav.
Het idee, gepubliceerd in Nature, is bedrieglijk eenvoudig. Honingbijen navigeren niet met satellietprecisie. Ze leren. Guido de Croon, de hoofdauteur van het onderzoek, legt uit dat wanneer een bij zijn bijenkorf verlaat, hij een korte ‘leervlucht’ maakt. Het onthoudt oriëntatiepunten. Vervolgens volgt hij, terwijl hij zich naar buiten begeeft, richting en snelheid via padintegratie. Het houdt voortdurend bij hoe ver en waar het is gegaan.
Padintegratie is rommelig. Kleine fouten worden in de loop van de tijd groter. Als je alleen maar op je interne kompas vertrouwt, raak je uiteindelijk verdwaald. Bijen lossen dit op door te vertrouwen op die eerste historische herinneringen om hun koers op de terugweg te corrigeren.
De onderzoekers hebben deze exacte workflow gekopieerd.
De weergave leren
Een met Bee-Nav uitgeruste drone begint door in de buurt van de lanceerplaats te zweven. Een minuscule omnidirectionele camera scant het landschap. Dit is geen passieve observatie. Halverwege de vlucht wijst een klein neuraal netwerk aan boord deze beelden toe aan ‘thuisvectoren’.
Beschouw deze als onzichtbare pijlen die rechtstreeks naar het kussen wijzen.
Hierdoor ontstaat wat het team een Learned Homing Area noemt. Zodra de drone weet hoe ‘thuis’ eruit ziet, kan hij ver weg vliegen. Om terug te keren, vertrouwt het eerst op padintegratie: teruggaan op basis van snelheid en richting. Als het binnen die vertrouwde veilige zone belandt, treedt het visuele netwerk in werking. De camera herkent de omgeving en begeleidt hem de rest van de weg.
Geen satellieten. Geen wereldkaarten. Gewoon geheugen.
Kleine computers, grote resultaten
De hardware die het zware werk doet? Een kant-en-klare Raspberry Pi 4. Het is het formaat van een creditcard. Het beheert neurale netwerken en gebruikt tussen de 3,4 en 42,3 kilobyte aan geheugen.
Pauzeer daar even.
Dat is duizenden keren minder geheugen dan conventionele kaartsystemen gebruiken. En het werkte. De testdrones keerden buiten terug vanaf een afstand van 600 meter (bijna 2.000 voet). Ze hadden te maken met windstoten. Ze gingen om met cameraverblindend zonlicht. Ze hebben hun weg gevonden.
Sarah Bergbreiter, hoogleraar werktuigbouwkunde aan Carnegie Mellon, maakte geen deel uit van het onderzoek, maar ze was onder de indruk. Ze ziet de potentie duidelijk.
“Voor de kleinschalige robots waar mijn team aan werkt, is dit de vriendelijke aanpak die serieuze inzet buitenshuis plausibel maakt.”
Nog steeds niet helemaal daar
Het is nog geen wondermiddel.
Er zitten gaten in het pantser. Wat als de drone moet navigeren tussen meerdere opgeslagen plaatsen, en niet alleen naar huis? Wat als het wordt gelanceerd in een karakterloos veld zonder oriëntatiepunten om zijn geheugen te verankeren? Dat blijven open vragen.
Sean Humbert van de Universiteit van Colorado Boulder wijst op een ander probleem: rommelige omgevingen. De Bee-Nav helpt bij de oriëntatie, maar kan geen dynamische obstakels aan. Je hebt nog steeds lokale ontwijkingssystemen nodig om botsingen tegen muren of bewegende auto’s te voorkomen.
Toch beweert De Croon dat het pad duidelijk genoeg is.
Deze technologie zou autonome drones kunnen verkleinen tot 30 of 50 gram. Hij merkt op dat voor het opschalen tot insectengrootte eerst de miniaturisatie van de batterij moet worden opgelost – een hardnekkig fundamenteel probleem. Maar de hersenen? Het brein is er klaar voor.
Of in ieder geval: het is kleiner dan je denkt dat het moet zijn.
