ロボット工学：ミツバチの学習飛行から着想を得た効率的なロボットナビゲーション

ナビゲーションは、動物にとってもロボットにとっても不可欠な能力である。微小な飛翔性昆虫は長距離を確実にナビゲートできるが、最先端のロボットナビゲーション方法は計算コストが高く、そのため大型のロボットに限定されている。今回我々は、ミツバチの視覚学習飛行に着想を得た、高効率ナビゲーション戦略「Bee-Nav」を提案する。ロボットにおける同等の学習飛行では、微小なニューラルネットワークが、経路積算に基づく帰巣ベクトルに全方向画像をマッピングするよう訓練される。学習後、ロボットは、出発地から遠く離れた場所まで飛行し、経路積算を用いて直線的に戻り、視覚帰巣ネットワークを用いて積算ドリフトを相殺できる。シミュレーションによって、現実的な経路積算精度の場合、ニューラルネットワークが総飛行エリアの約0.25～10.00％の訓練しか必要としないことが示された。実世界の屋内実験と屋外実験において、小型ドローンは、3.4 kBのニューラルネットワークを用いて30～110 mの飛行の100％で、42 kBのニューラルネットワークを用いて風の強い条件において200～600 mの飛行の70％で、出発地から0.5 m以内の地点への帰還に成功した。今回提案するナビゲーション戦略は、出発地を起点に往復しながらタスクを実行する、リソースの限られたロボットに不可欠なものとなる。この戦略はさらに、視覚学習が帰巣軌道を形成する仕組みから、認知地図の性質に至るまで、昆虫のナビゲーションの神経動物行動学に関する新しい視点をもたらす。

目次へ戻る