Honingbijen houden tijdens hun vlucht bij hoe ver ze in welke richting zijn gevlogen. Dat levert ook voor drones een handig en licht navigatiesysteem op.

Kleine, lichtgewicht drones kunnen zeer bruikbaar zijn. Zo kunnen ze kleine pakketjes bezorgen op lastige plekken, inspecties uitvoeren in moeilijk toegankelijk terrein, of als team uitvliegen, elk in een andere richting, om een vermist persoon te zoeken.

Het is dan handig als de drone zelfstandig de weg terug weer weet te vinden. Maar dat is bij kleine drones nogal lastig. De meeste geavanceerde robotnavigatiesystemen vergen veel rekenkracht en zijn daardoor te zwaar en te duur voor minidrones. Deze kunnen de benodigde computersystemen voor nauwkeurige, autonome, op kaarten gebaseerde navigatie simpelweg niet dragen of van stroom voorzien.

Daarop hebben onderzoekers van de TU Delft, Wageningen University  & Research en de Universiteit van Oldenburg in Duitsland nu iets gevonden. Zij ontwikkelden een navigatiesysteem dat maar een fractie van de rekenkracht gebruikt van de gebruikelijke systemen, en lieten zich daarvoor inspireren door de navigatiemethode van de honingbij. Bee-Nav, heet de nieuwe navigatiestrategie, die op 13 mei werd gepubliceerd in Nature. 

Panoramabeeld en padintegratie

Bij Bee-Nav krijgt de drone geen ingebouwde kaart mee. Hij vliegt eerst in de nabije omgeving rond om deze zelf in zich op te nemen, waarbij een klein neuraal netwerk wordt getraind met panoramische beelden.

Daarna, als hij verder weg vliegt, maakt de drone gebruik van zogeheten padintegratie. Dit betekent dat hij continu bijhoudt hoe ver hij welke kant op vliegt, en hiermee uitrekent hoe ver hij in totaal in welke richting van zijn beginpunt is verwijderd. Als hij klaar is met zijn missie kan hij in een rechte lijn terugvliegen.

Padintegratie tijdens dronevluchten is doeltreffend, maar niet altijd even nauwkeurig. Zolang de drone wel terugkeert in het van te voren verkende gebied is dat niet erg. Voor het allerlaatste stuk kan hij dan navigeren op zijn neurale netwerk: dat kan de richting en afstand naar huis inschatten op basis van de eerder uitgevoerde leervlucht. Het systeem hoeft hiervoor hooguit 10 procent van het totale vlieggebied te hebben verkend.

Bee-Nav: Efficient robot navigation inspired by honeybee learning flights

Zuinig met bytes

De nieuwe methode vergt veel minder geheugen dan eerdere navigatiemethoden, schrijven de onderzoekers in Nature. Tot nu toe was de meest geavanceerde technologie een kleine vliegende robot die vijfhonderd kilobyte geheugen op een energiezuinige AI-chip nodig had voor navigatie in een gebied van vier bij vijf meter.

Kleine drones met Bee-Nav keerden bij testvluchten van dertig tot honderd meter succesvol terug met een neuraal netwerk van 3,4 kilobyte. In grote binnenruimtes zoals hangars landden ze binnen een halve meter van het startpunt. Voor vluchten tot zeshonderd meter in winderige omstandigheden was 42 kilobyte nodig, en daalde de succesfactor naar 70 procent. Een belangrijke reden hiervoor was dat de wind de drone deed kantelen, waardoor de beelden moeilijker te gebruiken waren voor navigatie, vertellen de onderzoekers in een nieuwsbericht van de TU Delft. 

De experimenten buiten deden zij op het Nederlandse drone-onderzoeksveldlaboratorium Unmanned Valley in Valkenburg.

Honingbijen

Kleine insecten zoals honingbijen navigeren met grote precisie tot op kilometers afstand van hun nest. Na een kronkelige heenreis keren ze vaak terug langs een rechte lijn. Ze vinden deze terugweg door ‘padintegratie’ van de afgelegde richtingen en afstanden – ook wel ‘odometrie’ genoemd. Naarmate ze dichter bij huis komen, vertrouwen de bijen steeds meer op hun visuele geheugen: het vermogen om visuele oriëntatiepunten te onthouden en aan elkaar te relateren.

Hoe odometrie bij honingbijen werkt, is bekend tot op het niveau van de activiteit van de neuronen. De precieze werking van het visuele geheugen en de wisselwerking ervan met odometrie is wetenschappers nog niet geheel duidelijk.

Volgende stap

Het systeem moet nu robuuster worden gemaakt voor praktijkomstandigheden. Als toepassing zien de onderzoekers bijvoorbeeld het monitoren van kassen voor zich. Lichtgewicht drones zouden daar gewassen kunnen inspecteren en ziekten of plagen in een vroeg stadium kunnen opsporen. Eerder gebruikten dergelijke drones radiobakens in de kas om zich te oriënteren.

Het is niet voor het eerst dat wetenschappers zich door insecten laten inspireren bij het ontwikkelen van drones. Zo gebruikte een onderzoeksteam – waaronder dezelfde groep uit Delft als betrokken was bij het hier beschreven onderzoek - zes jaar geleden al een ‘insectenalgoritme’ om minidrones in een zwerm te laten vliegen. 

Openingsbeeld: TU Delft