Onderzoekers van de Technische Universiteit Delft hebben een innovatieve navigatiestrategie voor kleine, lichte robots ontwikkeld, geïnspireerd door het gedrag van mieren. Deze strategie maakt het mogelijk voor robots om na lange reizen terug te keren naar hun startpunt, met een minimaal gebruik van rekenkracht en geheugen. Het onderzoek, gepubliceerd in Science Robotics op 17 juli 2024, biedt veelbelovende toepassingen in bijvoorbeeld magazijnbeheer en industriële inspecties.
Kleine robots, vaak tussen enkele tientallen en een paar honderd gram, zijn ideaal voor allerlei toepassingen dankzij hun veiligheid, vermogen om door krappe ruimtes te bewegen en lage kosten. Autonome navigatie is echter een uitdaging vanwege hun beperkte rekenkracht. Huidige systemen voor grotere robots, die vertrouwen op zware sensoren of gedetailleerde 3D-kaarten, zijn niet geschikt voor deze kleine robots.
De Delftse onderzoekers hebben gekeken naar mieren, die een combinatie van visuele herkenning en stapentelling gebruiken om te navigeren. Ze ontwikkelden een navigatiestrategie voor een 56-gram drone met een omnidirectionele camera. Deze strategie gebruikt slechts 0,65 kilobyte geheugen om afstanden tot 100 meter te overbruggen. De visuele verwerking wordt gedaan door een microcontroller, vergelijkbaar met die in goedkope elektronica.
Mieren gebruiken “odometrie” om hun bewegingen bij te houden en “visueel geheugen” om herkenningspunten te identificeren. De onderzoekers hebben een “snapshot”-model bedacht, waarbij de drone periodiek beelden van zijn omgeving maakt. Om terug te keren naar het startpunt, vergelijkt de drone zijn huidige uitzicht met de snapshots en past zijn route aan om verschillen te minimaliseren. Dit kost veel minder geheugen dan het maken van gedetailleerde kaarten en vertrouwt op odometrie om tussen de snapshots te reizen.
Dankzij deze strategie kunnen snapshots verder uit elkaar geplaatst worden, waardoor het geheugenverbruik vermindert en de drone grotere afstanden kan afleggen. Dit bootst de manier na waarop mieren herkenningspunten gebruiken en hun route aanpassen, zodat de drone binnen een navigeerbaar bereik blijft.
Professor Guido de Croon, gespecialiseerd in bio-geïnspireerde drones en mede-auteur van het onderzoek, benadrukt de mogelijkheden van deze technologie. Hoewel de navigatiestrategie geen kaarten maakt en alleen de terugkeer naar het startpunt mogelijk maakt, is dit voldoende voor taken zoals voorraadbeheer in magazijnen of gewasmonitoring in kassen. Drones kunnen gegevens verzamelen en terugkeren naar een basisstation, waarbij de beelden van de missie later worden verwerkt.
Deze ontwikkeling is een belangrijke stap vooruit in autonome navigatie voor kleine robots, met praktische oplossingen voor diverse industriële toepassingen, en lage eisen aan rekenkracht en geheugen.
Foto credit Guido de Croon / TU Delft|MAV Lab
