一組國際研究團隊開發了「Bee-Nav」，這是一種受蜜蜂歸巢行為啟發的無人機導航策略。此系統讓輕巧小型機器人能夠長距離導航並返回家園，而無需笨重耗能硬件或 GPS。它讓微型無人機僅使用 42 kilobytes 的神經網絡即可找到回家的路。這可能為輕量、安全的無人機群鋪路，用於溫室監測和工業檢查等精細應用。此開發來自荷蘭代爾夫特理工大學（Delft University of Technology）和瓦赫寧恩大學（Wageningen University）的機器人專家，以及德國奧爾登堡卡爾馮奧
西茨基大學（Carl von Ossietzky University of Oldenburg）的生物學家。
受蜜蜂啟發的導航
未來自主機器人面臨重大挑戰：導航需要建立詳細地圖，這會消耗過多計算力和電池壽命。為了解決此問題，研究人員借鏡蜜蜂，蜜蜂透過里程計（odometry）結合家園視覺記憶進行導航。里程計透過視覺運動線索追蹤距離和方向。雖然里程計提供位置粗略估計，但因漂移而隨時間變得不準確。因此，需要視覺地標來實現精準歸巢。彌合這兩種生物方法的差距，為無 GPS 的輕量、節能機器人開闢道路。
受蜜蜂行為啟發，研究人員開發基於學習飛行（learning flights）的導航策略。正如蜜蜂在離巢前偵察蜂巢周邊區域，機器人可捕捉家園環境快照，建立基礎視覺記憶。此簡短初始定向有助從任何方向辨識周邊環境，確保長距離後仍能返回。「我們對蜜蜂能沿迂迴路徑遠離家園，卻幾乎直線返回的事實著迷，」代爾夫特理工大學生物啟發無人機 AI 教授 Guido de Croon 表示。
「生物學家證實蜜蜂依賴里程計返回，並在接近家園時更多使用視覺記憶。但視覺記憶的學習內容和方式仍未完全理解。這正是我們需彌合的差距，以創建實用機器人導航策略，」Croon 補充。
研究人員成功將 Bee-Nav 策略從小型室內測試擴展至廣闊環境，包括戶外 600 米飛行，僅靠 42-kilobyte 微型神經網絡。有趣的是，系統在大型室內機庫達 100% 成功率，但在風天戶外表現降至 70%。
此下降主要因風力令無人機傾斜，扭曲 AI 依賴的全景圖像——這是未來技術優化領域。「實驗結果非常鼓舞人心。但也顯示我們當前系統需在真實環境中更穩健，」研究人員表示。
Bee-Nav 技術特別適合溫室監測，轻巧似昆蟲的無人機可安全與人類共存，及早偵測害蟲和疾病。此效率助農民提升作物產量並減少浪費，無需笨重硬件。除工業潛力外，此研究亦提供寶貴生物洞見，從新視角解釋蜜蜂如何整合視覺學習成功返回蜂巢。
此研究刊登於《Nature》期刊。