对于大型机器人来说，想要实现自动导航有很多的方法，比如在室外使用GPS导航，在室内则可以使用传感器获取数据，使用高算力芯片进行分析。而对于针对特殊应用场景的微型机器人（重量在几十克到几百克不等）来说这些方法都不合适，微型机器人本身无法装载很大的电池来支持传感器和高算力芯片，同时其常应用于狭窄地形或室内环境，遮盖物会影响GPS准确性。
不过，最近荷兰代尔夫特理工大学（TU Delft）的研究团队从蚂蚁等昆虫的导航模式中获得了灵感，发明了一种新型的微型机器人自动导航方式。
昆虫将跟踪自己的运动（称为“里程测量”）与基于低分辨率但几乎全向的视觉系统（称为“视觉记忆”）的视觉引导行为相结合来进行导航。科学界对于里程测量的研究已经达到了神经元水平，但有关于视觉记忆导航的机制仍然还不太了解，存在着多种理论解释。
该研究团队基于的理论是一种“快照”模型，在这种模型中，如蚂蚁这样的昆虫会使用自身的视觉系统不定时的对其所处的环境进行快照，当蚂蚁靠近快照点时它会将当前的视觉感知与快照进行比较，并移动使两者的差异最小化，来消除里程测量产生的偏移，不断地对比快照最终返回巢穴。
该团队将这种原理应用在无人机上，设备仅重56g，配备了一台全向相机来进行“视觉记忆”，同时配备了一个向下的摄像头，来跟踪视觉场中物体通过的速度进行“里程测量”，由于所有拍摄的图像都是经过高度压缩的，并且数量比之之前的研究要少的多，加之有里程测量所展示的空间关系，设备仅需要低功耗的MCU即可进行自动导航。
根据测试，该无人机跟踪导航100m的路线仅使用1.16 kB数据，每米消耗的字节数不到20个，而自动驾驶汽车常使用的即时定位与地图构建 (SLAM)技术，往往需要数百兆甚至几千兆字节才能绘制数十平方米的中等大小空间。
当然对比于高精度的SLAM技术，这种导航方式功能还是比较有限的，由于不会生成地图，该方法只能帮助机器人返回起点，不过对于许多应用来说这可能已经足够了，例如，对于仓库中的库存跟踪或温室中的作物监测，无人机可以飞出去，收集数据，然后自行返回基站。
最前沿的电子设计资讯
