Un drone vuelve a casa con una red de 3,4 kB

Un drone vuelve a casa con una red de 3,4 kB#

Un equipo de TU Delft entrenó un drone Crazyflie de 32 gramos para regresar a casa después de vuelos de hasta 600 m, sin GPS y con una red neuronal de 3,4 kB. La inspiración: el learning flight de la abeja melífera, esos vuelos en espiral que las recién nacidas hacen alrededor de la colmena. El drone solo necesita explorar el 3,84% del área total de vuelo — muy cerca del 3,4% estimado para abejas y por debajo del 7,6% de las hormigas del desierto.

El hallazgo: Bee-Nav navega vuelos de 30 a 110 m con éxito del 100% usando una red de 3,4 kB (147× más pequeña que el estado del arte para drones diminutos, que necesita 500 kB para cubrir 4×5 m). En vuelos largos (200–600 m) la red de atención de 42,3 kB mantiene un 70% de éxito incluso con condiciones variables de viento.

Gráfica clave#

LHA por método: Bee-Nav (3,84%) cae en la banda biológica

Reproducir#

Abrir en Colab

O localmente:

pip install pandas matplotlib numpy
jupyter execute notebook.ipynb

Datos#

  • datos/lha_por_metodo.csv — LHA% por método de path integration (5 filas: drone real, SVO+GTSAM, bio-inspirado+brújula, abeja, hormiga del desierto).

  • datos/redes_neuronales.csv — Tamaño y capas de las dos redes Bee-Nav vs SOTA tiny drone (3 filas).

  • datos/homing_por_ambiente.csv — Tasa de éxito de homing en 6 ambientes reales (CyberZoo, indoor hall, outdoor cortos, outdoor largos con/sin viento).

  • datos/visual_homing_simulacion.csv — Configuración y métricas de las 800 simulaciones en 10 bosques sintéticos.

El raw dataset completo (716 MB con flight logs PX4 .ulg, imágenes omnidireccionales y ROS2 bags) está en 4TU.ResearchData. Para este notebook construimos CSVs pequeños desde los valores cuantitativos publicados en el texto del paper Open Access.

Contenido