ENGINEERINGNET.BE - Veel toekomstige drones zullen zelfstandig moeten navigeren, ook op plekken waar geen gps beschikbaar is.
De meeste huidige systemen doen dit door gedetailleerde kaarten van de omgeving te maken. Dat kost veel rekenkracht en geheugen, waardoor dergelijke systemen duur en energieverslindend zijn.
Honingbijen kunnen echter wel lange afstanden afleggen en thuiskomen. Dankzij odometrie schatten ze aan de hand van visuele bewegingssignalen in hoe ver en in welke richting ze zich hebben verplaatst.
Ze zetten ook hun visuele geheugen in, en onthouden hoe de omgeving eruitziet rond belangrijke plekken, zoals hun thuis.
Het onderzoeksteam liet zich inspireren door het gedrag van honingbijen wanneer ze voor het eerst de bijenkorf verlaten.
Zij beginnen met korte leervluchten in de buurt van hun bijenkorf. Daarna kunnen ze veel verder weg vliegen en toch weer succesvol terugkeren.
In de nieuwe navigatiestrategie Bee-Nav maakt de robot ook eerst een korte leervlucht in de buurt van zijn thuisbasis.
Tijdens die vlucht legt hij panoramische beelden van de omgeving vast. Een klein neuraal netwerk leert die beelden te verwerken om de richting en afstand naar huis te schatten.
“Net als een insect weet de robot misschien niet altijd precies waar zijn thuis is”, zegt Dequan Ou, promovendus aan TU Delft.
“Zijn thuis kan te klein zijn om te zien, of verborgen liggen achter bomen. Daarom hebben we het neurale netwerk getraind met behulp van odometrische schattingen van de richting en afstand naar huis, ook al worden die na verloop van tijd minder nauwkeurig. De vraag was of dat nog steeds voldoende zou zijn om de robot te leren terug te keren naar huis.”
Dat bleek inderdaad het geval te zijn. De afwijking in de afstandsmeting vormde geen belemmering voor een succesvolle terugkeer naar de startpositie.
Met behulp van een neuraal netwerk van slechts 3,4 kilobyte interpreteerde de robot panoramische beelden van zijn omgeving en schatte hij in welke richting hij moest bewegen en hoe ver hij nog van de startpositie verwijderd was.
Dankzij de geschatte afstand kon de robot sneller bewegen wanneer hij verder weg was en langzamer naarmate hij zijn thuisbasis naderde. Bij alle vluchten keerde de robot succesvol terug naar huis.
Bij winderige omstandigheden buiten daalde het succespercentage tot 70%. Een belangrijke reden hiervoor was dat de wind de drone deed kantelen, waardoor de beelden moeilijker te gebruiken waren voor navigatie.
Lichtgewicht drones zouden in de toekomst gewassen in kassen kunnen inspecteren en ziekten of plagen in een vroeg stadium opsporen, waardoor telers hun opbrengst kunnen verhogen en verspilling kunnen verminderen.
Partners in dit onderzoek zijn TU Delft, Wageningen University & Research en de Carl von Ossietzky Universiteit in Duitsland.
