撰文丨王聰

編輯丨王多魚(yú)

排版丨水成文

傳統(tǒng)機(jī)器人導(dǎo)航的方式與人類(lèi)相似——依靠所在區(qū)域的詳細(xì)地圖來(lái)移動(dòng)，這種導(dǎo)航方式讓機(jī)器人能夠準(zhǔn)確估計(jì)自身所處位置，但也帶來(lái)了高昂的計(jì)算成本，因此，這種導(dǎo)航方式僅限于大型機(jī)器人使用。

而現(xiàn)在，Nature期刊發(fā)表的一篇新論文報(bào)告了一種小型飛行機(jī)器人，它采用簡(jiǎn)單的學(xué)習(xí)算法，靈感源自蜜蜂在長(zhǎng)途飛行前進(jìn)行的探索性飛行，來(lái)糾正長(zhǎng)距離飛行中累積的導(dǎo)航誤差。

該研究以：Efficient robot navigation inspired by honeybee learning flights 為題，于 2026 年 5 月 13 日發(fā)表在Nature期刊，博士生歐得泉為論文第一作者。

該研究開(kāi)發(fā)了一種受蜜蜂的視覺(jué)記憶和方向感啟發(fā)的高效精準(zhǔn)導(dǎo)航策略——Bee-Nav，讓小型飛行機(jī)器人（無(wú)人機(jī)）能夠像蜜蜂一樣實(shí)現(xiàn)長(zhǎng)距離精準(zhǔn)自主導(dǎo)航，且無(wú)需大量計(jì)算和 GPS。

左一為歐得泉，歐得泉 2001 年出生于湖南，2019 年起在荷蘭代爾夫特理工大學(xué)就讀，現(xiàn)為代爾夫特理工大學(xué)博士二年級(jí)學(xué)生。

蜜蜂的導(dǎo)航智慧

導(dǎo)航對(duì)于動(dòng)物和機(jī)器人來(lái)說(shuō)都是一項(xiàng)至關(guān)重要的能力。盡管微小的飛行昆蟲(chóng)能夠穩(wěn)健地進(jìn)行長(zhǎng)距離導(dǎo)航，但最先進(jìn)的機(jī)器人導(dǎo)航方法計(jì)算成本高昂，因此僅限于大型機(jī)器人使用。

蜜蜂擁有著令人驚嘆的長(zhǎng)距離、精準(zhǔn)導(dǎo)航能力，能夠前往數(shù)公里之外采集花粉并準(zhǔn)確返回蜂巢。蜜蜂這種強(qiáng)大的導(dǎo)航能力依賴(lài)兩種核心機(jī)制：路徑積分和視覺(jué)記憶。路徑積分就像內(nèi)置的“計(jì)步器”，通過(guò)整合飛行方向和距離來(lái)估算當(dāng)前位置，幫助自己朝著大致正確的方向做長(zhǎng)途直線(xiàn)飛行；而視覺(jué)記憶則讓蜜蜂記住地標(biāo)與蜂巢的關(guān)系，幫助精準(zhǔn)返回蜂巢。

這兩種機(jī)制的結(jié)合，兼顧了效率和精度，使蜜蜂得以在復(fù)雜環(huán)境中高效精準(zhǔn)導(dǎo)航。

Bee-Nav：機(jī)器人的“蜜蜂大腦”

研究團(tuán)隊(duì)從蜜蜂的學(xué)習(xí)飛行中獲得靈感，開(kāi)發(fā)出Bee-Nav系統(tǒng)，這套系統(tǒng)的運(yùn)作分為兩個(gè)階段——

學(xué)習(xí)階段：無(wú)人機(jī)先在蜂巢（起點(diǎn)）附近進(jìn)行短距離學(xué)習(xí)飛行，期間用全景相機(jī)拍攝圖像，同時(shí)通過(guò)路徑積分計(jì)算歸巢向量，一個(gè)小型神經(jīng)網(wǎng)絡(luò)被訓(xùn)練來(lái)將圖像映射到這些向量上，就像蜜蜂記住回家的路。

導(dǎo)航階段：學(xué)習(xí)完成后，無(wú)人機(jī)可以飛往遠(yuǎn)處執(zhí)行任務(wù)。返回時(shí)，它先依靠路徑積分直線(xiàn)飛向出發(fā)點(diǎn)的方向。由于路徑積分會(huì)隨時(shí)間產(chǎn)生漂移誤差，無(wú)人機(jī)可能無(wú)法準(zhǔn)確到達(dá)出發(fā)點(diǎn)。但只要進(jìn)入學(xué)習(xí)區(qū)域，神經(jīng)網(wǎng)絡(luò)就能啟動(dòng)視覺(jué)歸巢功能，通過(guò)比較當(dāng)前圖像與記憶中的圖像，修正航向，最終實(shí)現(xiàn)精準(zhǔn)返回。

驚人的實(shí)驗(yàn)成果

研究團(tuán)隊(duì)在室內(nèi)外的多種環(huán)境中進(jìn)行了測(cè)試：

• 在 30-110 米距離內(nèi)，無(wú)人機(jī) 100% 成功返回出發(fā)點(diǎn)，誤差小于 0.5 米；

• 在 200-600 米距離且有風(fēng)的條件下，成功率仍達(dá) 70%；

• 使用的神經(jīng)網(wǎng)絡(luò)極小：室內(nèi)環(huán)境僅 3.4 KB，室外環(huán)境也僅 42.3 KB；

• 學(xué)習(xí)區(qū)域只需覆蓋總飛行區(qū)域的 0.25%-10%。

相比之下，傳統(tǒng)機(jī)器人導(dǎo)航方法需要數(shù)百 MB 內(nèi)存和高端計(jì)算設(shè)備，而 Bee-Nav 系統(tǒng)在資源效率上提高了三個(gè)數(shù)量級(jí)。

技術(shù)突破與優(yōu)勢(shì)

1、極高的資源效率，傳統(tǒng)導(dǎo)航依賴(lài)詳細(xì)的環(huán)境 3D 地圖，需要大量計(jì)算資源和存儲(chǔ)空間。Bee-Nav 通過(guò)犧牲地圖的全面性，大幅降低了計(jì)算需求，使小型機(jī)器人也能實(shí)現(xiàn)長(zhǎng)距離自主導(dǎo)航。

2、自監(jiān)督學(xué)習(xí)，系統(tǒng)采用自監(jiān)督學(xué)習(xí)方式，無(wú)需人工標(biāo)注數(shù)據(jù)，無(wú)人機(jī)在學(xué)習(xí)飛行中自動(dòng)生成訓(xùn)練數(shù)據(jù)，大大簡(jiǎn)化了部署過(guò)程。

3、強(qiáng)大的泛化能力，神經(jīng)網(wǎng)絡(luò)不僅能識(shí)別學(xué)習(xí)過(guò)的位置，還能在一定程度上泛化到未學(xué)習(xí)過(guò)的區(qū)域，這得益于其對(duì)相關(guān)地標(biāo)物體的注意力機(jī)制。

應(yīng)用前景廣闊

這項(xiàng)技術(shù)為資源受限的小型機(jī)器人打開(kāi)了新天地——

• 農(nóng)業(yè)監(jiān)測(cè)：微型無(wú)人機(jī)群可在溫室中自主監(jiān)測(cè)作物生長(zhǎng)，定期返回充電站；

• 倉(cāng)儲(chǔ)管理：輕型機(jī)器人在倉(cāng)庫(kù)中跟蹤庫(kù)存，高效完成盤(pán)點(diǎn)任務(wù)；

• 搜救任務(wù)：小型搜救機(jī)器人能在復(fù)雜環(huán)境中執(zhí)行任務(wù)并安全返回；

• 環(huán)境監(jiān)測(cè)：長(zhǎng)期部署的監(jiān)測(cè)設(shè)備可定期返回?cái)?shù)據(jù)傳輸點(diǎn)。

應(yīng)用場(chǎng)景：Bee-Nav 無(wú)人機(jī)在溫室中幫助監(jiān)測(cè)作物，提高農(nóng)業(yè)產(chǎn)量并減少浪費(fèi)

研究團(tuán)隊(duì)進(jìn)一步指出了五個(gè)未來(lái)研究方向：擴(kuò)展到多個(gè)目標(biāo)點(diǎn)、處理動(dòng)態(tài)環(huán)境、改進(jìn)戶(hù)外路徑積分、增加不確定性估計(jì)、探索不同環(huán)境下的學(xué)習(xí)能力。

蜜蜂經(jīng)過(guò)數(shù)百萬(wàn)年時(shí)間進(jìn)化出的高效導(dǎo)航策略，如今通過(guò) Bee-Nav 系統(tǒng)在機(jī)器人領(lǐng)域煥發(fā)新生。這項(xiàng)研究不僅推動(dòng)了機(jī)器人技術(shù)的發(fā)展，也為理解昆蟲(chóng)導(dǎo)航的神經(jīng)生物學(xué)機(jī)制提供了新視角，自然界的智慧再次為人類(lèi)技術(shù)發(fā)展提供了靈感，這項(xiàng)研究不僅推動(dòng)了機(jī)器人技術(shù)的發(fā)展，也為理解昆蟲(chóng)導(dǎo)航的神經(jīng)生物學(xué)機(jī)制提供了新視角。

論文鏈接：

https://www.nature.com/articles/s41586-026-10461-3