仿生導(dǎo)航研究綜述

郝運(yùn)達(dá)，陳國(guó)良，蔣新元

(中國(guó)礦業(yè)大學(xué) 江蘇省資源環(huán)境信息工程高校重點(diǎn)實(shí)驗(yàn)室，江蘇 徐州 221116)

0 引 言

目前全球的導(dǎo)航系統(tǒng)大多是以衛(wèi)星為基礎(chǔ)的GNSS(Global Navigation Satellite System)系統(tǒng)，這種系統(tǒng)易受到外界條件的干擾，不能穩(wěn)定持續(xù)性的導(dǎo)航。如何提高導(dǎo)航的抗干擾能力，是如今的研究熱點(diǎn)。近年來，仿生導(dǎo)航蓬勃發(fā)展，這種新型導(dǎo)航模式為我國(guó)導(dǎo)航發(fā)展提供了新的方向。

仿生導(dǎo)航，是對(duì)自然界不同動(dòng)物利用自然地理?xiàng)l件和自身導(dǎo)航特性來進(jìn)行導(dǎo)航定位的原理進(jìn)行研究，并設(shè)計(jì)一種仿生導(dǎo)航傳感器來實(shí)現(xiàn)導(dǎo)航的一種新型導(dǎo)航技術(shù)。本文首先介紹了仿生導(dǎo)航的基本含義，接著從仿生導(dǎo)航的外部和內(nèi)部條件進(jìn)行闡述。

1 仿生導(dǎo)航的含義

自然界中的動(dòng)物沒有科技、也無法將路線記錄在圖紙上，但卻具有驚人的導(dǎo)航能力。候鳥在秋季會(huì)飛向遙遠(yuǎn)的南方，從不迷航；北美的帝王蝶，從北部的加利福尼亞沿岸，到南部墨西哥的樹林，長(zhǎng)達(dá)4 000 km的路程，卻從不迷路；對(duì)于蝦類，它們天生自帶羅盤，能夠感知地球的磁場(chǎng)環(huán)境，從而進(jìn)行導(dǎo)航定位。

外界環(huán)境是動(dòng)物導(dǎo)航的主要來源，包括天空偏振光、地磁、氣味等。隨著腦與神經(jīng)科學(xué)的發(fā)展，發(fā)現(xiàn)了與動(dòng)物導(dǎo)航有關(guān)的位置細(xì)胞、網(wǎng)格細(xì)胞、方向細(xì)胞等，揭示了動(dòng)物導(dǎo)航的內(nèi)部原因，動(dòng)物大腦對(duì)其導(dǎo)航機(jī)理有控制作用。外部條件為動(dòng)物提供基本的導(dǎo)航信息，內(nèi)部條件將導(dǎo)航信息進(jìn)行解譯、分析，形成動(dòng)物特有的認(rèn)知地圖。

2 仿生導(dǎo)航的外界條件

生物通過長(zhǎng)期不斷地演變會(huì)逐漸形成一種與其所處的生長(zhǎng)環(huán)境互相適應(yīng)的生理組織、結(jié)構(gòu)及日常生活方式。通過復(fù)雜的習(xí)性，動(dòng)物可以根據(jù)不同的外界條件來進(jìn)行導(dǎo)航，包括天空偏振光、地磁、氣味等等，這為人類仿生導(dǎo)航提供了重要思路。如圖1所示。

2.1 利用天空偏振光導(dǎo)航

螞蟻的復(fù)眼中有一種可以解譯天空偏振光的神經(jīng)元，通過獲取天空偏振信息，獲取體軸與太陽子午線的夾角，進(jìn)而可以在距離巢穴數(shù)百米的地方尋找食物點(diǎn)。仿生偏振光導(dǎo)航是通過模仿動(dòng)物對(duì)天空偏振光信息感知的機(jī)理來獲取載體位置的導(dǎo)航方法。

蘇黎世大學(xué)的Wehner R基于瑞利散射模型構(gòu)建了一種標(biāo)準(zhǔn)的大氣偏振模式。2009年，晏磊、關(guān)桂霞等對(duì)天空偏振光影響導(dǎo)航方位角的原理進(jìn)行了初探[1]，并對(duì)天空偏振模式的動(dòng)態(tài)屬性進(jìn)行了分析，進(jìn)一步提高了導(dǎo)航方位角的精確性。2011年，關(guān)桂霞對(duì)影響天空偏振光分布的影響因素進(jìn)行了分析，發(fā)現(xiàn)藍(lán)波段更適合偏振光導(dǎo)航的探測(cè)波段[2]。2013年，趙開春構(gòu)建了用于獲取大量天空偏振模式信息的自動(dòng)天空偏振光探測(cè)器[3]。2014年，吳良海等構(gòu)建了一種二次散射情況下的天空偏振模型，能夠描述天空中存在的中性點(diǎn)，精度比瑞利模型高[4]。2014年，程珍提出了一種利用天空偏振光進(jìn)行自主定位的方法[5]。2015年，任建斌等提出了一種基于瑞利大氣偏振模式的太陽和太陽子午線的提取方法[6]。范晨分析了影響天空偏振模式的因素，提出了補(bǔ)償偏振模形誤差，建立了含有偏振模型誤差的偏振定向模型[7]。2016年，范之國(guó)、高雋因現(xiàn)有的仿生偏振光導(dǎo)航方法只能獲取二維方向信息，不能滿足實(shí)際的需求，提出了一種通過大氣偏振模式獲取三維方向信息的方法[8]。盧皓等對(duì)天空偏振光進(jìn)行成像，獲取更為全面的偏振信息，并對(duì)其測(cè)量噪聲進(jìn)行了分析[9]。2019年，金仁成采用了一種動(dòng)態(tài)步長(zhǎng)測(cè)量方法，對(duì)基于偏振光下的導(dǎo)航姿態(tài)解法進(jìn)行了優(yōu)化，提高了偏振光導(dǎo)航在動(dòng)態(tài)情況下的定姿準(zhǔn)確性[10]。2020年，崔巖提出了一種基于Hough變換的太陽子午線提取方法，實(shí)驗(yàn)證明該方法比最小二乘法精度更高[11]。

在國(guó)外，仿生導(dǎo)航傳感器技術(shù)發(fā)展較早。2000年，Lambrinos基于沙蟻的導(dǎo)航機(jī)理設(shè)計(jì)了一種點(diǎn)源式偏振光傳感器，利用天空偏振信息實(shí)現(xiàn)了定向。2010年，褚金奎教授團(tuán)隊(duì)設(shè)計(jì)了偏振光導(dǎo)航傳感器，相對(duì)于原傳感器樣機(jī)，體積較小，精度較高，并對(duì)仿生偏振光傳感器的室外導(dǎo)航性能進(jìn)行了檢驗(yàn)，證明能夠完成機(jī)器人自主導(dǎo)航。2011年，合肥工業(yè)大學(xué)的范寧生根據(jù)昆蟲復(fù)眼中的偏振敏感神經(jīng)元(POL)，設(shè)計(jì)了一種仿POL神經(jīng)元的偏振光敏感傳感器[12],實(shí)現(xiàn)了對(duì)天空偏振信息的實(shí)時(shí)獲取。2012年，褚金奎教授設(shè)計(jì)了一種基于MSP430微處理器的偏振光導(dǎo)航傳感器樣機(jī)，利用分段導(dǎo)航算法進(jìn)行機(jī)器人導(dǎo)航實(shí)驗(yàn)，證明了該傳感器穩(wěn)定可靠、精度高，有廣泛的應(yīng)用前景。2015年，王璐設(shè)計(jì)了一種具有多方向檢測(cè)功能的三通道仿生偏振光傳感器，具有較高的穩(wěn)定性和良好的應(yīng)用前景[13]。2020年，韓國(guó)良等設(shè)計(jì)了一種提高在傾斜狀態(tài)下的偏振光羅盤的算法[14]，提高了偏振光羅盤計(jì)算載體航向角的精度。

相對(duì)于目前傳統(tǒng)的導(dǎo)航和定位技術(shù)，仿生偏振光導(dǎo)航具備了抗干擾能力強(qiáng)、誤差不隨時(shí)間而積累的特點(diǎn)。但它也有明顯的缺點(diǎn)，即定向精度受大氣能見度的影響。目前，仿生偏振光導(dǎo)航主要研究偏振算法建模、微型偏振傳感器的設(shè)計(jì)等等。

2.2 利用地磁導(dǎo)航

信鴿可以感受到地球磁場(chǎng)(圖2)，能夠在數(shù)公里外安全返回巢穴且從不迷路；每年都會(huì)至少有數(shù)十億鳥類離開在北極和溫帶的繁殖區(qū)到熱帶或亞熱帶過冬，從不迷航；大馬哈魚幼年時(shí)能順著溪流游上萬公里，但成年時(shí)又能逆流而上返回巢穴產(chǎn)卵，從不迷路。研究表明，大馬哈魚天生會(huì)使用地球磁場(chǎng)來進(jìn)行導(dǎo)航。有研究發(fā)現(xiàn)，信鴿受到外界磁場(chǎng)干預(yù)會(huì)影響視網(wǎng)膜上的光敏分子向著自由基對(duì)的轉(zhuǎn)變。仿生地磁導(dǎo)航系統(tǒng)具有全天候、全區(qū)域的特點(diǎn)，但易受到外界電磁的干擾。

2007年，Wiltschko等提出了鳥類有兩種不同的磁感應(yīng)機(jī)制，一種存在于眼部，一種存在于鳥的上喙。2010年，崔帥在GPS導(dǎo)航的基礎(chǔ)上，研究了一種基于仿生偏振光/GPS/地磁的組合導(dǎo)航系統(tǒng)[15]，能夠?qū)崟r(shí)接收各種導(dǎo)航信息。2012年，Marshall Stoneham等揭示了候鳥可以感知地球磁場(chǎng)的理論[16]。2014年，為解決仿生地磁導(dǎo)航對(duì)先驗(yàn)地磁圖的依賴，劉明雍等提出了一種基于時(shí)序進(jìn)化搜索策略的地磁仿生導(dǎo)航方法[17]。2016年，劉坤等在磁異常干擾的情況下，提出了一種約束策略的仿生地磁導(dǎo)航算法[18]，解決了磁異常情況使得載體迷失方向?qū)е聦?dǎo)航失敗的問題。2018年，王瓊等提出了一種依靠地磁場(chǎng)梯度信息對(duì)航向角進(jìn)行解算的方法[19]，從而無需任何地磁先驗(yàn)信息就可以進(jìn)行地磁導(dǎo)航。由于進(jìn)化策略的導(dǎo)航算法耗時(shí)長(zhǎng)、效率低，2019年，郭嬌嬌等將進(jìn)化搜索算法結(jié)合經(jīng)典的梯度算法[20]，提高了導(dǎo)航的效率。針對(duì)在無先驗(yàn)地磁圖的情況下水下潛航器易陷入局部極值區(qū)域的問題，2021年，張晨等提出了一種基于最小磁角的抗干擾仿生導(dǎo)航算法[21]。同年，張家雨等提出了一種長(zhǎng)距離水下導(dǎo)航的地磁梯度輔助進(jìn)化算法，該方法大大提高了載體搜索效率和導(dǎo)航路徑的直線度[22]。

目前，對(duì)于動(dòng)物的地磁導(dǎo)航作用及其機(jī)理的認(rèn)識(shí)還不夠深入。因此,應(yīng)盡快建立一套仿生地磁傳感器導(dǎo)航模擬系統(tǒng),研究一種新型的地磁傳感器材料,以增強(qiáng)磁敏感性,使其朝著微型化、集成式信號(hào)管理及智能化等方向進(jìn)行。

2.3 利用氣味導(dǎo)航

信鴿在短距離返巢過程中，雖然會(huì)利用地磁導(dǎo)航，但更依賴于嗅覺導(dǎo)航。有研究表明，信鴿會(huì)通過對(duì)空間中氣味濃度的感知，形成氣味濃度梯度地圖，進(jìn)而在短距離范圍內(nèi)進(jìn)行精確導(dǎo)航。

Lino Marques等進(jìn)行了仿生嗅覺機(jī)器人的實(shí)驗(yàn)，表明有不同氣味識(shí)別算法的弱傳感器有大概率能進(jìn)行正確的導(dǎo)航，而無氣味識(shí)別算法的傳感器有很大機(jī)率導(dǎo)航錯(cuò)誤。2010年，Ali Marjovi等提出了一種基于群體機(jī)器人的嗅覺導(dǎo)航算法，實(shí)驗(yàn)結(jié)果提高了定位的準(zhǔn)確度[23]。2019年， Alejandro Pequeo Zurro等基于蟑螂對(duì)氣味的追蹤與處理，設(shè)計(jì)了一種應(yīng)用于飛行器上的氣味跟蹤傳感器[24]。2020年，龐碩等提出了一種在復(fù)雜環(huán)境下基于嗅覺導(dǎo)航強(qiáng)化學(xué)習(xí)和模糊推理的仿生導(dǎo)航算法，相比其他算法，此法提高了導(dǎo)航智能性[25]。2021年，Gamma Aditya Rahardi等將嗅覺移動(dòng)機(jī)器人用于氣體檢測(cè)，在有氣體泄露的燃料工廠中，嗅覺機(jī)器人能加快并準(zhǔn)確的找到泄漏源的位置[26]。

嗅覺對(duì)動(dòng)物導(dǎo)航至關(guān)重要，但目前對(duì)動(dòng)物嗅覺導(dǎo)航研究尚淺，動(dòng)物識(shí)別空間中復(fù)雜氣味的機(jī)理及處理氣味并應(yīng)用于導(dǎo)航的機(jī)理尚待研究。

3 仿生導(dǎo)航的內(nèi)部條件

3.1 導(dǎo)航神經(jīng)元

動(dòng)物導(dǎo)航的內(nèi)部條件主要是其大腦海馬體中含有的一些空間信息編碼的神經(jīng)細(xì)胞(圖3)。約翰·歐基夫和詹姆斯·蘭克分別于1971年和1984年發(fā)現(xiàn)了大腦中的位置細(xì)胞與頭朝向細(xì)胞。2005年，愛德華·莫澤爾發(fā)現(xiàn)了網(wǎng)格細(xì)胞。動(dòng)物可以通過位置細(xì)胞來確定一些重要的地表位置，比如巢穴、食物源等。網(wǎng)格細(xì)胞可以使動(dòng)物認(rèn)知自己所處的空間位置，頭朝向細(xì)胞可以使動(dòng)物認(rèn)知自身所處的方向。動(dòng)物通過網(wǎng)格細(xì)胞和頭朝向細(xì)胞的協(xié)作，對(duì)自身在空間中所處的位置和方向進(jìn)行定位，并通過位置細(xì)胞收集的特定地物的位置，形成一個(gè)有關(guān)自身與重要地標(biāo)的先驗(yàn)地圖，且在動(dòng)物運(yùn)動(dòng)過程中，不斷更新空間位置與方向，通過不斷累積經(jīng)驗(yàn)知識(shí)進(jìn)而形成認(rèn)知地圖，因此，動(dòng)物在外界環(huán)境變化的情況下，依然可以正確的導(dǎo)航定位。

3.2 基于導(dǎo)航神經(jīng)元的研究進(jìn)展

2008年，昆士蘭大學(xué)的Michael Milford對(duì)老鼠的大腦導(dǎo)航細(xì)胞進(jìn)行建模，建立了一種新型的RatSLAM算法，并通過實(shí)驗(yàn)證明了該算法的可行性。針對(duì)傳統(tǒng)的RatSLAM算法利用視覺信息導(dǎo)致導(dǎo)航的可靠性低的缺點(diǎn)，2015年，張瀟等在RatSLAM的基礎(chǔ)上增加了慣性導(dǎo)航，提出了一種基于RatSLAM的微慣性仿生視覺導(dǎo)航算法[28]，具有高適應(yīng)性、高精度的特點(diǎn)。2016年，于乃功等構(gòu)建了脈沖神經(jīng)網(wǎng)絡(luò)模型，提出了一種直接強(qiáng)化學(xué)習(xí)的仿生導(dǎo)航模型[29]，在無先驗(yàn)知識(shí)的情況下，完成了連續(xù)狀態(tài)下面向目標(biāo)的導(dǎo)航。針對(duì)傳統(tǒng)的RatSALM算法無法獲得場(chǎng)景中的距離信息，導(dǎo)致導(dǎo)航精度低的缺點(diǎn)，2018年，卞程遠(yuǎn)等用深度傳感器Kinect替代普通的RGB相機(jī)提取了圖像的深度信息，提出了一種融合深度信息的RatSLAM仿生算法[30]，大大提高了導(dǎo)航精度。2019年，劉建業(yè)等研究了一種基于吸引子神經(jīng)網(wǎng)絡(luò)的類腦導(dǎo)航技術(shù)[31]，并應(yīng)用到無人機(jī)上，提高了無人機(jī)的自主導(dǎo)航能力和抗干擾能力。2020年，胡宇航模擬了一種基于小腦和基底神經(jīng)節(jié)的類腦系統(tǒng)[32]，該系統(tǒng)有著調(diào)節(jié)和決策的能力，并應(yīng)用到機(jī)器人導(dǎo)航上，實(shí)驗(yàn)證明該系統(tǒng)在決策行為和自主導(dǎo)航上表現(xiàn)優(yōu)異。同年，德國(guó)烏爾姆大學(xué)的Sarah Pfefer等對(duì)節(jié)肢動(dòng)物大腦空間認(rèn)知機(jī)理進(jìn)行了研究[33]，揭示了節(jié)肢動(dòng)物大腦雖小，但擁有媲美脊椎動(dòng)物的導(dǎo)航能力。同年，德國(guó)維爾茨堡大學(xué)的Habenstein Jens等研究了Cataglyphis螞蟻的大腦結(jié)構(gòu)，對(duì)昆蟲大腦的神經(jīng)元組織進(jìn)行了深入的研究。

目前，國(guó)內(nèi)外學(xué)者對(duì)動(dòng)物腦神經(jīng)元的研究尚不完善，動(dòng)物腦中的導(dǎo)航神經(jīng)細(xì)胞如何編碼尚且還不了解，神經(jīng)細(xì)胞間的相互作用，相互反饋等機(jī)理還有待解釋?？偟脕碚f，對(duì)動(dòng)物腦神經(jīng)元的研究尚淺，還需進(jìn)一步探索。

4 結(jié) 語

仿生導(dǎo)航的本質(zhì)是向大自然學(xué)習(xí)，仿生導(dǎo)航為當(dāng)前所面臨的導(dǎo)航問題提供了新的途徑。通過對(duì)仿生導(dǎo)航的內(nèi)部條件和外部條件的研究，發(fā)現(xiàn)目前仿生導(dǎo)航機(jī)制已經(jīng)比較完善，具備種類繁多的仿生傳感器、相關(guān)仿生算法，已經(jīng)應(yīng)用于無人機(jī)、機(jī)器人等導(dǎo)航方面。但仿生導(dǎo)航算法尚存在精度不高，穩(wěn)定性不足的缺點(diǎn)，且傳感器器件體積較大。未來，可以通過生物基因技術(shù)與微納米加工制造技術(shù)制造微型化、集成化的仿生傳感器，在保證小體積的情況下提升其靈敏度與精度。