O grupo de pesquisa liderado por Delft apresentou a Bee-Nav, uma estrat\u00e9gia de navega\u00e7\u00e3o rob\u00f3tica inspirada em abelhas. O objetivo \u00e9 permitir que drones e rob\u00f4s leves operem de forma aut\u00f4noma, mesmo longe da base, com mem\u00f3ria neural muito pequena.<\/p>\n
A equipe \u00e9 formada por roboticistas da Universidade de Tecnologia de Delft e bi\u00f3logos da Universidade de Wageningen e da Universidade de Oldenburg. O sistema usa uma rede neural de apenas 42 kilobytes para estimar dire\u00e7\u00e3o e dist\u00e2ncia de retorno a partir de imagens capturadas durante o voo.<\/p>\n
A Bee-Nav foi testada em ambientes internos e externos. Em laborat\u00f3rios da Holanda, o experimento alcan\u00e7ou voos superiores a 600 metros, com retorno ao ponto de parto usando a pequena rede neural. Em ventos fortes, a taxa de sucesso caiu para 70%.<\/p>\n
O m\u00e9todo combina odometria, que contabiliza dist\u00e2ncia e dire\u00e7\u00e3o percorridas, com mem\u00f3ria visual de cenas importantes. A rede aprende a mapear imagens diretamente na dire\u00e7\u00e3o de movimento, facilitando trajet\u00f3rias longas com um c\u00e9rebro m\u00ednimo.<\/p>\n
Especialistas discutem que a abordagem pode reduzir custos e consumo de energia. Com menos mem\u00f3ria, drones menores, mais baratos e mais eficientes podem surgir, ampliando aplica\u00e7\u00f5es como monitoramento de estufas e patrulhas de campo.<\/p>\n
Os pesquisadores destacam limites: ambientes muito labir\u00ednticos dificultam o retorno direto \u00e0 base, sendo necess\u00e1ria uma rota alternativa. Locais abertos tamb\u00e9m apresentam maior desafio para o aprendizado visual sem refer\u00eancias pr\u00f3ximas.<\/p>\n
A influ\u00eancia do vento surgiu como principal obst\u00e1culo em trajetos mais longos, complicando a leitura de imagens. O estudo aponta que, mesmo com avan\u00e7os, ainda h\u00e1 barreiras para uso pleno em cen\u00e1rios reais com vari\u00e1veis din\u00e2micas.<\/p>\n
Os autores destacam a import\u00e2ncia da Bee-Nav como prova de conceito para navega\u00e7\u00e3o aut\u00f4noma com baixo consumo de mem\u00f3ria. Investimentos adicionais em pesquisa devem viabilizar aplica\u00e7\u00f5es pr\u00e1ticas em ambientes do mundo real.<\/p>\n
O pesquisador Guido de Croon ressalta que a abordagem pode ser adaptada a diferentes ambientes sem depender de mapas detalhados. A equipe faz futuro planejamento de aperfei\u00e7oamento para condi\u00e7\u00f5es mais desafiadoras.<\/p>\n
Entre as possibilidades previstas est\u00e3o drones com formato similar a borboleta para monitoramento de estufas e outras estruturas de tamanho reduzido. O desenvolvimento visa tornar a navega\u00e7\u00e3o aut\u00f4noma mais acess\u00edvel e eficiente.<\/p>\n","protected":false},"excerpt":{"rendered":"