蚂蚁导航启发突破：赋能微型自主机器人

运动设计 INSIDER

机器人飞行路径延时图像。（图片：研究人员提供）

你是否好奇昆虫为何能远离家园却仍能找到回家之路？这个问题不仅关乎生物学，也关乎微型自主机器人 AI 的构建。代尔夫特理工大学无人机研究者受生物学发现启发：蚂蚁通过视觉识别环境并结合计步安全回家。他们利用这些洞见为微型轻量机器人创建自主导航策略。该策略让此类机器人在极少计算和内存（每 100 米仅 1.16 kB）下完成长距离返航。未来，微型自主机器人可用于仓库库存监测、工业场所气体泄漏检测等广泛用途。研究成果于 2024 年 7 月 17 日发表在《Science Robotics》。

微型机器人（几十至几百克）有潜力执行许多有趣现实应用。轻体重使其极其安全，即使意外碰撞人员。体积小可在狭窄区域导航。若制造成本低廉，可大量部署快速覆盖大面积，如温室早期病虫害检测。但让此类微型机器人自主运行困难，因其资源极其有限。

微型机器人实际应用主要障碍：需依靠车载资源自主导航，无外部基础设施辅助。户外可用 GPS 卫星定位，室内可用无线通信信标。GPS 仅限户外，城市峡谷等杂乱环境下极不准。室内安装维护信标昂贵或不可能（如搜救场景）。

仅靠车载资源的自主导航 AI 此前针对自动驾驶汽车等大型机器人开发。部分方法依赖沉重耗电激光雷达，微型机器人无法携带供电。其他方法用视觉传感器，通常试图创建高详细 3D 环境地图。但这需要大量处理和内存，仅大型耗电计算机能提供。

因此一些研究者转向自然寻找灵感。昆虫特别有趣，因它们在与许多现实应用相关的距离上运作，却使用极稀缺感知和计算资源。昆虫结合自身运动跟踪（里程计）与基于低分辨率但近全向视觉系统（视图记忆）的视觉引导行为。

里程计在神经元层面日益被理解，但视图记忆精确机制理解较少。故存在多种竞争理论解释昆虫如何利用视觉导航。最早理论提出“快照”模型：蚂蚁等昆虫偶尔对环境拍摄“快照”。稍后接近快照位置时，将当前视觉感知与快照比较，移动以最小化差异。这使昆虫能导航或“归巢”到快照位置，消除仅靠里程计不可避免积累的漂移。

“基于快照的导航可比作《汉赛尔与格蕾特》童话中汉赛尔不迷路的方法。汉赛尔扔石头能回家，扔面包屑被鸟吃掉则迷路。在我们案例中，石头就是快照，”研究第一作者 Tom van Dijk 说。“如石头般，快照起作用需机器人足够接近快照位置。若视觉环境与快照位置差异过大，机器人可能朝错误方向移动永远无法返回。因此需用足够快照——即汉赛尔扔足够多石头。但石头扔太近会太快耗尽。机器人用太多快照会导致大内存消耗。该领域先前工作通常快照间距很近，机器人先视觉归巢到一个快照再到下一个。”

“我们策略核心洞察是：若机器人基于里程计在快照间移动，可将快照间距拉大得多，”合著者 Guido de Croon 教授说。“只要机器人最终落入快照捕获区内（即里程计漂移在快照捕获范围内），归巢就能工作。这也让机器人能行进更远。”

提出的昆虫启发导航策略让装备全向相机的 56 克 Crazyflie 无人机仅用 1.16 kB 覆盖 100 米距离。所有视觉处理在微小微控制器上完成。

“提出的昆虫启发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，”de Croon 说。“该策略功能比最先进导航方法受限；不生成地图，仅允许机器人返回起点。但对许多应用这已足够。例如仓库库存跟踪或温室作物监测，无人机可飞出、收集数据、返回基站。任务相关图像可存小 SD 卡供服务器后处理。”

来源