Rozmiar jest więzieniem dla inżynierii.
Jeśli chcesz zbudować drona mieszczącego się w dłoni, nie stać Cię na GPS. Nie można przenosić ciężkich akumulatorów litowo-jonowych, złożonego systemu LIDAR ani nieporęcznych procesorów. Fizyka po prostu na to nie pozwala. Jednak naukowcy z Politechniki w Delft znaleźli obejście, zapożyczając pomysł od najstarszych lotników natury: pszczół miodnych.
Nazwali swoje urządzenie Bee-Nav.
Pomysł, opublikowany w czasopiśmie Nature, jest zwodniczo prosty. Pszczoły nie nawigują z satelitarną precyzją. Oni się uczą. Jak wyjaśnia Guido de Kroon, główny autor badania, kiedy pszczoła opuszcza ul, odbywa krótki „lot uczący”. Pamięta zabytki. Następnie, gdy wyruszy, śledzi kierunek i prędkość, korzystając z integracji ścieżki. Prowadzi ciągły zapis tego, jak daleko i dokąd poleciała.
Integracja ścieżek jest procesem nieprecyzyjnym. Najmniejsze błędy kumulują się z biegiem czasu. Jeśli będziesz polegać wyłącznie na swoim wewnętrznym kompasie, zgubisz się. Pszczoły rozwiązują ten problem, opierając się na oryginalnych wspomnieniach punktów orientacyjnych, aby skorygować ich kurs w drodze powrotnej.
Naukowcy skopiowali ten przepływ pracy.
Zapisywanie widoku
Dron wyposażony w system Bee-Nav zaczyna od zawisu w pobliżu miejsca startu. Mikroskopijna kamera panoramiczna skanuje krajobraz. To nie jest bierna obserwacja. W trakcie lotu mała sieć neuronowa na pokładzie dopasowuje te obrazy do „wektorów domowych”.
Pomyśl o nich jak o niewidzialnych strzałkach skierowanych prosto na lądowisko.
Tworzy to coś, co zespół nazywa obszarem wyuczonego zwrotu. Gdy dron zrozumie, jak wygląda „dom”, może polecieć daleko. Aby powrócić, najpierw opiera się na integracji ścieżki – wycofywaniu się w oparciu o prędkość i kierunek. Jeśli dostanie się do tej znanej bezpiecznej strefy, sieć wizyjna się włączy. Kamera rozpoznaje otoczenie i prowadzi go przez resztę drogi.
Żadnych satelitów. Brak map globalnych. Tylko pamięć.
Małe komputery, duże wyniki
Sprzęt wykonujący całą ciężką pracę? Standard Raspberry Pi 4. Rozmiar karty kredytowej. Obsługuje sieci neuronowe, wykorzystując od 3,4 do 42,3 kilobajtów pamięci.
Zatrzymaj się na chwilę i pomyśl o tym.
To tysiące razy mniej pamięci niż zużywają tradycyjne systemy mapowania. I zadziałało. Testowe drony powróciły z odległości 600 metrów (prawie 2000 stóp) na otwartej przestrzeni. Radzili sobie z podmuchami wiatru. Pracowali nawet w oślepiającym świetle słonecznym, które przesłaniało kamerę. Znaleźli swój sposób.
Sarah Bergbreter, profesor inżynierii mechanicznej na Uniwersytecie Carnegie Mellon, nie brała udziału w badaniu, ale była pod wrażeniem. Wyraźnie widzi potencjał tej technologii.
„W przypadku małych robotów, nad którymi pracuje mój zespół, takie podejście umożliwia poważne wdrożenie w otwartym terenie”.
Nie wszystko jest jeszcze idealne
To nie jest jeszcze panaceum.
W zbroi są dziury. Co by było, gdyby dron musiał nawigować pomiędzy wieloma zapamiętanymi lokalizacjami, zamiast po prostu wracać do domu? A co jeśli zacznie od pustego pola, na którym nie ma punktów, na których jego pamięć mogłaby się „uchwycić”? Te pytania pozostają otwarte.
Sean Humbert z University of Colorado Boulder wskazuje na inny problem: zagracone otoczenie. Bee-Nav pomaga w określeniu orientacji, ale słabo radzi sobie z dynamicznymi przeszkodami. Nadal potrzebujesz lokalnych systemów zapobiegania kolizjom, aby uniknąć zderzeń ze ścianami lub jadącymi samochodami.
Jednak de Kroon twierdzi, że ścieżka jest wystarczająco jasna.
Technologia ta pozwala zmniejszyć masę autonomicznych dronów do 30 lub 50 gramów. Zauważa, że skalowanie do rozmiarów owadów wymaga najpierw rozwiązania problemu miniaturyzacji baterii – stałego, podstawowego problemu. Ale „mózg”? Mózg jest już gotowy.
A przynajmniej jest mniejszy, niż myślałeś, że powinien być.
