پهپادهای آینده با الهام از زنبور عسل و حافظه کم پرواز می‌کنند

پژوهشگران با الهام از توانایی شگفت‌انگیز زنبورهای عسل در ناوبری، سامانه‌ای نوین برای پهپادها توسعه داده‌اند که می‌تواند انقلابی در رباتیک سبک‌وزن ایجاد کند. این فناوری به پهپادها امکان می‌دهد با حداقل حافظه و بدون نیاز به GPS، مسیر خود را بیابند و به مبدأ بازگردند.

الهام از طبیعت: ناوبری زنبورهای عسل

زنبورهای عسل، با وجود مغز بسیار کوچکشان، توانایی خارق‌العاده‌ای در یافتن مسیر و بازگشت به کندو دارند. آن‌ها می‌توانند تا سه کیلومتر از کندو دور شوند و با دقت بی‌نظیری بازگردند؛ کاری که اگر با مقیاس انسانی سنجیده شود، معادل سفر صدها کیلومتر بدون هیچ ابزار ناوبری است. این توانایی شگفت‌انگیز، الهام‌بخش دانشمندان برای توسعه سامانه‌ای جدید به نام «بی‌-ناو» (Bee-Nav) شده است.

«بی‌-ناو»: سامانه ناوبری کم‌حافظه برای پهپادها

سامانه «بی‌-ناو» توسط گروهی از پژوهشگران هلندی توسعه یافته و به پهپادها اجازه می‌دهد بدون اتکا به GPS یا سامانه‌های نقشه‌برداری پیچیده و پرمصرف، به صورت خودکار مسیر خود را پیدا کرده و به نقطه شروع بازگردند. این سامانه از شبکه‌های عصبی استفاده می‌کند که هزاران بار کوچک‌تر از شبکه‌های هوش مصنوعی رایج هستند و تنها به ۴۲ کیلوبایت حافظه نیاز دارد؛ حجمی معادل یک استیکر واتساپ.

چالش‌های ناوبری در رباتیک

ناوبری یکی از اساسی‌ترین چالش‌ها در حوزه رباتیک است. ربات‌ها، چه برای بازرسی زیرساخت‌ها، تحویل بسته‌ها، پایش کشاورزی یا جستجو در مناطق آسیب‌دیده، باید همواره از موقعیت خود آگاه باشند و بتوانند به مقصد برسند. پهپادهای خودران امروزی معمولاً به GPS و نقشه‌های دقیق محیطی وابسته هستند. روش دیگر، «مکان‌یابی و نقشه‌برداری همزمان» (SLAM) است که یک مدل سه‌بعدی از محیط را به صورت پیوسته ایجاد و به‌روزرسانی می‌کند.

با این حال، این روش‌ها به توان پردازشی، حافظه و انرژی زیادی نیاز دارند که برای پهپادهای سبک‌وزن که هر گرم وزن و هر میلی‌وات انرژی در آن‌ها اهمیت دارد، محدودیت ایجاد می‌کنند. زنبورهای عسل راهکاری بسیار کارآمدتر برای این مشکل یافته‌اند.

راز ناوبری زنبورها: اودومتری و حافظه بصری

راز ناوبری زنبورها در فرایندی به نام «اودومتری» (Odometry) نهفته است؛ روشی که حرکت را بر اساس نشانه‌های حرکتی جمع‌آوری‌شده در طول پرواز تخمین می‌زند. زنبورها مسافت و جهت حرکت خود را محاسبه می‌کنند. اما این روش به تنهایی دارای خطا است که به تدریج انباشته می‌شود.

برای جبران این خطا، زنبورها از حافظه بصری نیز بهره می‌برند. آن‌ها پیش از سفرهای طولانی، پروازهای آموزشی کوتاهی اطراف کندو انجام می‌دهند و نشانه‌های محیطی را به خاطر می‌سپارند. سامانه «بی‌-ناو» دقیقاً همین راهبرد را شبیه‌سازی می‌کند:

• پرواز آموزشی اولیه: پهپاد ابتدا یک پرواز کوتاه آموزشی اطراف پایگاه خود انجام می‌دهد.
• ثبت تصاویر پانوراما: در این مرحله، تصاویر پانورامایی از محیط اطراف ثبت می‌شود.
• پردازش توسط شبکه عصبی: این تصاویر توسط یک شبکه عصبی کوچک پردازش می‌شوند که برای تخمین جهت و فاصله تا نقطه شروع آموزش دیده است.

نتایج آزمایش‌ها و کارایی «بی‌-ناو»

پژوهشگران «بی‌-ناو» را در محیط‌های داخلی و خارجی آزمایش کرده‌اند. در یکی از آزمایش‌های داخلی، پهپاد با استفاده از شبکه‌ای عصبی که تنها ۳.۴ کیلوبایت حافظه اشغال کرده بود، با موفقیت به خانه بازگشت. این پهپاد با تحلیل تصاویر پانوراما، جهت و فاصله تا مقصد را تخمین می‌زد و سرعت خود را بر اساس نزدیکی به هدف تنظیم می‌کرد.

در آزمایش‌های مرکز پژوهشی پهپادهای هلند، پهپاد بیش از ۶۰۰ متر پرواز کرد و با موفقیت به محل شروع بازگشت. در این آزمایش، شبکه عصبی مورد استفاده تنها ۴۲ کیلوبایت حافظه نیاز داشت. در محیط‌های سرپوشیده بزرگ، سامانه در تمام آزمایش‌ها موفق بود، اما در شرایط بیرونی و هوای بادخیز، میزان موفقیت به حدود ۷۰ درصد کاهش یافت. باد باعث کج شدن پهپاد و تغییر نمای محیطی می‌شد که تشخیص بصری را دشوار می‌ساخت.

کاربردهای آینده و چشم‌انداز پژوهش

افزایش مقاومت سامانه در برابر شرایط واقعی، یکی از مهم‌ترین زمینه‌های پژوهشی آینده خواهد بود. از امیدبخش‌ترین کاربردهای این فناوری می‌توان به موارد زیر اشاره کرد:

• پایش کشاورزی: پهپادهای سبک‌وزن مجهز به «بی‌-ناو» می‌توانند به صورت خودکار در گلخانه‌ها حرکت کرده و بیماری‌ها، آفات یا سایر مشکلات محصولات را شناسایی کنند.
• ربات‌های انبارداری: این فناوری می‌تواند در ربات‌های انبارداری، پایش محیط‌زیست و بازرسی صنعتی نیز مورد استفاده قرار گیرد.
• ناوگان‌های بزرگ پهپادی: در مکان‌هایی که سیگنال‌های GPS در دسترس نیستند یا قابل اعتماد نیستند، این رویکرد بسیار جذاب خواهد بود.

این پژوهش نه تنها به توسعه فناوری کمک می‌کند، بلکه می‌تواند به درک بهتر ناوبری زنبورهای عسل نیز منجر شود و نشان دهد چگونه موجوداتی با مغزی کوچک‌تر از یک دانه برنج، کارهایی انجام می‌دهند که هنوز هم برای پیشرفته‌ترین ربات‌های امروزی چالش‌برانگیز است.