盖世汽车讯 昆虫如何能够飞得离家这么远，却仍然能找到路？这个问题的答案不仅与生物学有关，而且与制造微型自主机器人的人工智能有关。

据外媒报道，荷兰代尔夫特理工大学（Delft University of Technology，TU Delft）的无人机研究人员从生物学发现中受到启发，为微型轻型机器人创建了一种受昆虫启发的自主导航策略。这些生物学发现指的是蚂蚁如何通过视觉识别周围环境，并将其与计算步数相结合，以便安全返回家园。

图片来源：TU Delft

该策略允许此类机器人在经过长距离轨迹后返回家中，同时需要极少的计算和内存（每100米0.65千字节）。未来，微型自主机器人可以具有广泛的用途，从监控仓库中的库存到查找工业现场的气体泄漏。研究人员于2024年7月17日在期刊《Science Robotics》上发表了相关研究成果。

为微型机器人挺身而出

微型机器人，从几十克到几百克不等，都有可能在现实世界中实现有趣的应用。由于它们重量轻，即使不小心撞到别人也非常安全。同时也由于它们体积小，可以在狭窄的区域内行走。如果微型机器人可以实现廉价制造，就可以大量部署，这样就可以快速覆盖大面积区域，例如在温室中用于早期害虫或疾病检测。

然而，让如此微型的机器人自行操作非常困难，因为与大型机器人相比，它们的资源极其有限。一个主要的障碍是它们必须能够自行导航。为此，机器人可以从外部基础设施获得帮助。它们可以使用室外GPS卫星或室内无线通信信标的位置估计。

但依赖这样的基础设施往往不可取。GPS在室内不可用，在城市峡谷等混乱的环境中也会变得非常不准确。在室内空间安装和维护信标非常昂贵，或者根本不可能，例如在搜救场景中。

图片来源：TU Delft

仅使用机载资源进行自主导航所需的人工智能是专为大型机器人（如自动驾驶汽车）而设计的。有些方法依赖于笨重、耗电的传感器，如LiDAR激光测距仪，而小型机器人根本无法携带或为其供电。

其他方法则使用视觉，即一种非常省电的传感器，可提供有关环境的丰富信息。然而，这些方法通常试图创建高度详细的环境3D地图，需要大量的处理和内存，而这些只能由计算机来提供。但对于微型机器人来说，计算机太大且十分耗电。

计算步数和视觉面包屑

这就是为什么一些研究人员转向大自然寻求灵感。昆虫尤其有趣，因为它们可以在与许多现实世界应用相关的距离内活动，同时使用非常稀缺的传感和计算资源。

生物学家对昆虫使用的潜在策略有了越来越多的了解。具体来说，昆虫将跟踪自己的运动（称为“里程计”）与基于低分辨率但几乎全向的视觉系统（称为“视觉记忆”）的视觉引导行为相结合。

尽管人们对里程计的理解越来越深入，甚至达到了神经层面，但对视觉记忆背后的精确机制的理解仍然不够深入。关于里程计如何工作的最早理论之一提出了“快照”模型。在该模型中，昆虫（例如蚂蚁）偶尔会拍摄其周围环境的快照。

之后，当昆虫接近快照时，它可以将其当前的视觉感知与快照进行比较，并移动以最小化差异。这使得昆虫可以导航或“回到”快照位置，从而消除仅执行里程计时不可避免地产生的漂移。

“基于快照的导航可以比作童话《汉塞尔与格莱特（Hansel and Gretel）》中汉塞尔努力不迷路的过程。当汉塞尔在地上扔石头时，他可以回到家。然而，当他扔面包屑被鸟吃掉时，汉塞尔和格莱特就迷路了。在我们的例子中，石头就是快照，”这项研究的第一作者Tom van Dijk表示。

“就像石头一样，要使快照起作用，机器人必须足够靠近快照位置。如果视觉环境与快照位置的视觉环境相差太大，机器人可能会朝错误的方向移动，再也回不来了。因此，必须使用足够多的快照——而在汉塞尔的例子中就是扔下足够数量的石头。另一方面，如果将石头扔得太近，汉塞尔的石头就会很快耗尽。对于机器人来说，使用太多快照会导致大量内存消耗。该领域的先前研究通常将快照放在非常接近的位置，以便机器人可以首先在视觉上导航到一个快照，然后再导航到下一个快照。”

图片来源：TU Delft

“而我们策略背后的主要见解是，如果机器人根据里程计在快照之间移动，那么就可以将快照间隔得更远，”仿生无人机全职教授、本文合著者Guido de Croon说道。“只要机器人最终距离快照位置足够近，即只要机器人的里程计漂移落在快照的‘收集区域’内，归位就会起作用。这也使机器人能够行进得更远，因为机器人归位到快照时的速度比基于里程计从一个快照飞到下一个快照时要慢得多。”

凭借此次提出的受昆虫启发的导航策略，配备全向摄像头的56克“CrazyFlie”无人机可以仅用0.65千字节覆盖100米的距离。所有视觉处理都发生在一台称为“微控制器”的微型计算机上，而这种计算机可以在许多廉价电子设备中非常常见。

将机器人技术投入使用

“所提出的受昆虫启发的导航策略是将微型自主机器人应用于现实世界的重要一步，”Guido de Croon表示。“所提出策略的功能比最先进的导航方法所提供的功能更有限。它不会生成地图，只允许机器人返回起点。不过，对于许多应用来说，这可能已经足够了。例如，对于仓库中的库存跟踪或温室中的农作物监测，无人机可以飞出去，收集数据，然后返回基站。它们可以将与任务相关的图像存储在小型SD卡上，以供服务器进行后期处理。但它们本身不需要进行导航。”