O tamanho é uma prisão para a engenharia.
Se você deseja construir um drone que caiba na palma da mão, não pode pagar pelo GPS. Você não pode transportar tijolos pesados de íons de lítio, LIDAR complexos ou unidades de processamento volumosas. A física simplesmente não funciona. No entanto, investigadores da Universidade de Tecnologia de Delft encontraram uma solução alternativa ao roubar dos trapezistas mais antigos da natureza: as abelhas.
Eles chamam isso de Bee-Nav.
A ideia, publicada na Nature, é aparentemente simples. As abelhas não navegam com precisão de satélite. Eles aprendem. Guido de Croon, principal autor do estudo, explica que quando uma abelha sai da colmeia, ela faz um curto “voo de aprendizagem”. Ele memoriza pontos de referência. Então, à medida que se aventura, ele rastreia a direção e a velocidade por meio da integração de caminhos. Ele mantém um registro contínuo de quão longe e onde foi.
A integração do caminho é confusa. Pequenos erros aumentam com o tempo. Se você confiar apenas na sua bússola interna, acabará se perdendo. As abelhas corrigem isso confiando nessas memórias iniciais para corrigir seu curso no caminho de volta.
Os pesquisadores copiaram exatamente esse fluxo de trabalho.
Aprendendo a Visão
Um drone equipado com Bee-Nav começa pairando próximo ao local de lançamento. Uma minúscula câmera omnidirecional examina o cenário. Isto não é observação passiva. No meio do voo, uma pequena rede neural a bordo mapeia essas imagens para “vetores iniciais”.
Pense nelas como setas invisíveis apontando diretamente para o bloco.
Isso cria o que a equipe chama de Área de localização aprendida. Depois que o drone souber como é a “casa”, ele poderá voar para longe. Para retornar, depende primeiro da integração do caminho – retrocesso baseado na velocidade e na direção. Se pousar naquela zona segura familiar, a rede visual entra em ação. A câmera reconhece o ambiente e o guia pelo resto do caminho.
Sem satélites. Sem mapas globais. Apenas memória.
Computadores minúsculos, grandes resultados
O hardware fazendo o trabalho pesado? Um Raspberry Pi 4 pronto para uso. É do tamanho de um cartão de crédito. Ele executa redes neurais usando entre 3,4 e 42,3 quilobytes de memória.
Faça uma pausa por um segundo.
Isso representa milhares de vezes menos memória do que os sistemas de mapeamento convencionais usam. E funcionou. Os drones de teste retornaram de uma distância de 600 metros (quase 2.000 pés) ao ar livre. Eles lidaram com rajadas de vento. Eles lidaram com o brilho do sol que ofuscava a câmera. Eles encontraram seu caminho.
Sarah Bergbreiter, professora de engenharia mecânica na Carnegie Mellon, não participou do estudo, mas ficou impressionada. Ela vê o potencial claramente.
“Para os robôs de pequena escala em que minha equipe trabalha, esta é a abordagem que torna plausível a implantação séria em ambientes externos.”
Ainda não cheguei lá
Ainda não é uma solução mágica.
Existem buracos na armadura. E se o drone precisar navegar entre múltiplos lugares memorizados, não apenas em casa? E se ele for lançado em um campo inexpressivo, sem pontos de referência para ancorar sua memória? Essas permanecem questões em aberto.
Sean Humbert, da Universidade do Colorado em Boulder, aponta outro problema: ambientes desordenados. O Bee-Nav ajuda na orientação, mas não supera obstáculos dinâmicos. Você ainda precisa de sistemas de prevenção locais para evitar colisões com paredes ou carros em movimento.
No entanto, de Croon argumenta que o caminho é bastante claro.
Essa tecnologia pode reduzir os drones autônomos para 30 ou 50 gramas. Ele observa que reduzir até o tamanho do inseto requer primeiro resolver a miniaturização da bateria – um problema fundamental e teimoso. Mas o cérebro? O cérebro está pronto.
Ou pelo menos é menor do que você pensa que deveria ser.
