Autonome Navigation nach Vorbild der Honigbiene

Damit sich unbemannte Systeme auch ohne GNSS-Daten orientieren können, kommen häufig bildbasierte Softwarelösungen zum Einsatz. Doch das Ganze hat einen Nachteil: Die genutzte Technik verbraucht viel Energie und erfordert einiges an Equipment an Bord, was das Abfluggewicht erhöht und die Reichweite begrenzt. Wissenschaftler haben nun ein System entwickelt, das sich am natürlichen Verhalten von Honigbienen orientiert – und daher vor allem für besonders kleine Drohnen interessant sein könnte.

Je weiter man sich von seinem Wohnort entfernt, desto weniger gut kennt man sich in der Regel aus. Und vice versa. Wer die ungefähre Richtung kennt, wird sich früher oder später in einem vertrauten Gebiet wiederfinden und der schnellste Weg nach Hause ist reine Formsache. Das gilt nicht nur für Menschen, sondern auch für Honigbienen, die im Grunde auf ein ähnliches Verhalten zurückgreifen. Bei den ersten Flügen außerhalb des Bienenstocks entfernen sie sich nur geringfügig vom Startpunkt und prägen sich optische Merkmale ein, an denen sie sich auf dem Rückflug orientieren. Da die Gedächtnisleistung der kleinen Insekten begrenzt ist, funktioniert das „visuelle Mapping“ jedoch nur bis zu einem gewissen Punkt. Für weitere Exkursionen auf der Suche nach Nektar und Pollen erweitern Bienen ihre Navigationsfähigkeiten um eine Art internen Schrittzähler.

Kombination aus Odometrie und visueller Navigation

Neben dem visuellen Gedächtnis nutzen sie das Prinzip der Odometrie. Das bedeutet, dass die Bienen ihre Lage in Bezug auf Distanz und Himmelsrichtung ins Verhältnis zum Eingang des Bienenstocks setzen können. Selbst wenn sie auf der Nahrungssuche kreuz und quer durch die Umgebung geflogen sind, können sie jederzeit auf direktem Weg zurück in Richtung des Ausgangspunkts fliegen. Gelangen sie schließlich in optisch bekanntes Terrain, ist der schnellste Weg nach Hause auch für Bienen dann reine Formsache. Diese Kombination ist insbesondere deshalb erforderlich, weil odometrische Informationen mit zunehmender Distanz zum Ausgangspunkt an Präzision verlieren.

Auch wenn der Weg zuvor keinem geradlinigen Kurs folgte, wird der Heimweg auf der „Luftlinie“ absolviert (Quelle: TU Delft, by Dequan Ou)

Einem niederländisch-deutschen Team mit Wissenschaftlerinnen und Wissenschaftlern von der Delft University of Technology, der Wageningen University und der Carl von Ossietzky Universität Oldenburg ist es mit einem „Bee-Nav“ getauften System nun gelungen, dieses natürliche Verhalten auf kleine UAS zu übertragen. Bei ersten Erkundungsflügen im Umkreis des Startpunkts wurden optische Daten gesammelt, die mithilfe eines neuronalen Netzwerks zu einer Art dreidimensionaler Karte verarbeitet werden können. Zudem wurde die KI mit Odometrie-Schätzungen der Entfernung und Richtung im Verhältnis zum „Zuhause“ trainiert.

„Wir waren fasziniert von der Tatsache, dass Honigbienen auf verschlungenen Pfaden weit von ihrem Zuhause wegfliegen und dennoch fast auf direktem Weg zurückkehren“, erläutert Guido de Croon, Professor für bioinspirierte KI für Drohnen an der Technischen Universität Delft (Niederlande). „Biologen haben gezeigt, dass sich Bienen für den Rückweg auf die Odometrie verlassen und ihr visuelles Gedächtnis verstärkt nutzen, je näher sie ihrem Zuhause kommen. Doch was genau und wie sie für ihr visuelles Gedächtnis lernen, ist noch immer nicht vollständig verstanden. Genau diese Lücke mussten wir schließen, um eine praktikable Navigationsstrategie für Roboter zu entwickeln.“

Mit ihren Kolleginnen und Kollegen aus Delft, Wageningen und Oldenburg haben Dequan Ou, Guido de Croon und Christophe de Wagter (von links) eine Technologie entwickelt, die künftige UAS-Anwendungen prägen könnte

Hohe Erfolgsquote – aber verbleibende Herausforderungen

Mit beachtlichem Erfolg. Unter geschützten Indoor-Bedingungen fanden die Drohnen bei allen Tests zuverlässig den Weg. Und auch im Freien funktioniert das System grundsätzlich ohne Beanstandungen. Allerdings kann Wind dazu führen, dass die Erfolgsquote sinkt. Die Forschenden vermuten, dass das daran liegt, dass sich die kleinen Drohnen nach vorne neigen müssen, um gegen den Widerstand anzufliegen.

Die Folge: Im Radius rund um den Start- und Zielpunkt, der per visuellem Mapping als „Heimatregion“ kartiert wurde, entsprechen die gesammelten optischen Daten nicht mehr dem, was die Drohne in der veränderten Fluglage „sieht“. Dennoch waren auch unter erschwerten Umgebungsbedingungen etwa 70 Prozent der Tests erfolgreich. „Die Experimente sind sehr vielversprechend“, sagt Dequan Ou, Doktorand an der Technischen Universität Delft und Erstautor des Artikels „Efficient robot navigation inspired by honeybee learning flights“, der in der renommierten Fachzeitschrift Nature veröffentlicht wurde. „Sie zeigen jedoch auch, dass unser derzeitiges System unter realen Bedingungen noch robuster werden muss.“

Fotos: TU Delft, by Oostrum Studio