直接学习昆虫式机器人导航中的家向量方向

昆虫因其能够利用巢穴环境视觉线索进行导航和归家而长期受到关注。然而，解释这种卓越归家技能背后精确机制的研究仍在进行中。本文灵感来自蜜蜂和蜜蜂的学习飞行，提出一种直接从学习飞行期间的视觉感知中学习家向量方向的机器人导航方法。学习后，机器人将沿 odometry 路径返回巢穴，并通过推断当前经验视景中恢复漂移的家向量方向。我们使用紧凑型卷积神经网络，在仿真和真实森林环境中均成功实现学习，并成功控制仿真四旋翼机完成归家。推断的家向量平均误差在一般情况下保持在90°以内（满足归家要求），若所有图像都包含足够的纹理和照明，则低于24°。此外，我们还表明初始学习飞行的轨迹对网络性能影响显著。靠近巢穴的样本点密度更高会导致返回更一致。代码和数据已在 https://mavlab.tudelft.nl/learning_to_home 提供。