仿生导航研究综述

郝运达，陈国良，蒋新元

(中国矿业大学 江苏省资源环境信息工程高校重点实验室，江苏 徐州 221116)

0 引 言

目前全球的导航系统大多是以卫星为基础的GNSS(Global Navigation Satellite System)系统，这种系统易受到外界条件的干扰，不能稳定持续性的导航。如何提高导航的抗干扰能力，是如今的研究热点。近年来，仿生导航蓬勃发展，这种新型导航模式为我国导航发展提供了新的方向。

仿生导航，是对自然界不同动物利用自然地理条件和自身导航特性来进行导航定位的原理进行研究，并设计一种仿生导航传感器来实现导航的一种新型导航技术。本文首先介绍了仿生导航的基本含义，接着从仿生导航的外部和内部条件进行阐述。

1 仿生导航的含义

自然界中的动物没有科技、也无法将路线记录在图纸上，但却具有惊人的导航能力。候鸟在秋季会飞向遥远的南方，从不迷航；北美的帝王蝶，从北部的加利福尼亚沿岸，到南部墨西哥的树林，长达4 000 km的路程，却从不迷路；对于虾类，它们天生自带罗盘，能够感知地球的磁场环境，从而进行导航定位。

外界环境是动物导航的主要来源，包括天空偏振光、地磁、气味等。随着脑与神经科学的发展，发现了与动物导航有关的位置细胞、网格细胞、方向细胞等，揭示了动物导航的内部原因，动物大脑对其导航机理有控制作用。外部条件为动物提供基本的导航信息，内部条件将导航信息进行解译、分析，形成动物特有的认知地图。

2 仿生导航的外界条件

生物通过长期不断地演变会逐渐形成一种与其所处的生长环境互相适应的生理组织、结构及日常生活方式。通过复杂的习性，动物可以根据不同的外界条件来进行导航，包括天空偏振光、地磁、气味等等，这为人类仿生导航提供了重要思路。如图1所示。

2.1 利用天空偏振光导航

蚂蚁的复眼中有一种可以解译天空偏振光的神经元，通过获取天空偏振信息，获取体轴与太阳子午线的夹角，进而可以在距离巢穴数百米的地方寻找食物点。仿生偏振光导航是通过模仿动物对天空偏振光信息感知的机理来获取载体位置的导航方法。

苏黎世大学的Wehner R基于瑞利散射模型构建了一种标准的大气偏振模式。2009年，晏磊、关桂霞等对天空偏振光影响导航方位角的原理进行了初探[1]，并对天空偏振模式的动态属性进行了分析，进一步提高了导航方位角的精确性。2011年，关桂霞对影响天空偏振光分布的影响因素进行了分析，发现蓝波段更适合偏振光导航的探测波段[2]。2013年，赵开春构建了用于获取大量天空偏振模式信息的自动天空偏振光探测器[3]。2014年，吴良海等构建了一种二次散射情况下的天空偏振模型，能够描述天空中存在的中性点，精度比瑞利模型高[4]。2014年，程珍提出了一种利用天空偏振光进行自主定位的方法[5]。2015年，任建斌等提出了一种基于瑞利大气偏振模式的太阳和太阳子午线的提取方法[6]。范晨分析了影响天空偏振模式的因素，提出了补偿偏振模形误差，建立了含有偏振模型误差的偏振定向模型[7]。2016年，范之国、高隽因现有的仿生偏振光导航方法只能获取二维方向信息，不能满足实际的需求，提出了一种通过大气偏振模式获取三维方向信息的方法[8]。卢皓等对天空偏振光进行成像，获取更为全面的偏振信息，并对其测量噪声进行了分析[9]。2019年，金仁成采用了一种动态步长测量方法，对基于偏振光下的导航姿态解法进行了优化，提高了偏振光导航在动态情况下的定姿准确性[10]。2020年，崔岩提出了一种基于Hough变换的太阳子午线提取方法，实验证明该方法比最小二乘法精度更高[11]。

在国外，仿生导航传感器技术发展较早。2000年，Lambrinos基于沙蚁的导航机理设计了一种点源式偏振光传感器，利用天空偏振信息实现了定向。2010年，褚金奎教授团队设计了偏振光导航传感器，相对于原传感器样机，体积较小，精度较高，并对仿生偏振光传感器的室外导航性能进行了检验，证明能够完成机器人自主导航。2011年，合肥工业大学的范宁生根据昆虫复眼中的偏振敏感神经元(POL)，设计了一种仿POL神经元的偏振光敏感传感器[12],实现了对天空偏振信息的实时获取。2012年，褚金奎教授设计了一种基于MSP430微处理器的偏振光导航传感器样机，利用分段导航算法进行机器人导航实验，证明了该传感器稳定可靠、精度高，有广泛的应用前景。2015年，王璐设计了一种具有多方向检测功能的三通道仿生偏振光传感器，具有较高的稳定性和良好的应用前景[13]。2020年，韩国良等设计了一种提高在倾斜状态下的偏振光罗盘的算法[14]，提高了偏振光罗盘计算载体航向角的精度。

相对于目前传统的导航和定位技术，仿生偏振光导航具备了抗干扰能力强、误差不随时间而积累的特点。但它也有明显的缺点，即定向精度受大气能见度的影响。目前，仿生偏振光导航主要研究偏振算法建模、微型偏振传感器的设计等等。

2.2 利用地磁导航

信鸽可以感受到地球磁场(图2)，能够在数公里外安全返回巢穴且从不迷路；每年都会至少有数十亿鸟类离开在北极和温带的繁殖区到热带或亚热带过冬，从不迷航；大马哈鱼幼年时能顺着溪流游上万公里，但成年时又能逆流而上返回巢穴产卵，从不迷路。研究表明，大马哈鱼天生会使用地球磁场来进行导航。有研究发现，信鸽受到外界磁场干预会影响视网膜上的光敏分子向着自由基对的转变。仿生地磁导航系统具有全天候、全区域的特点，但易受到外界电磁的干扰。

2007年，Wiltschko等提出了鸟类有两种不同的磁感应机制，一种存在于眼部，一种存在于鸟的上喙。2010年，崔帅在GPS导航的基础上，研究了一种基于仿生偏振光/GPS/地磁的组合导航系统[15]，能够实时接收各种导航信息。2012年，Marshall Stoneham等揭示了候鸟可以感知地球磁场的理论[16]。2014年，为解决仿生地磁导航对先验地磁图的依赖，刘明雍等提出了一种基于时序进化搜索策略的地磁仿生导航方法[17]。2016年，刘坤等在磁异常干扰的情况下，提出了一种约束策略的仿生地磁导航算法[18]，解决了磁异常情况使得载体迷失方向导致导航失败的问题。2018年，王琼等提出了一种依靠地磁场梯度信息对航向角进行解算的方法[19]，从而无需任何地磁先验信息就可以进行地磁导航。由于进化策略的导航算法耗时长、效率低，2019年，郭娇娇等将进化搜索算法结合经典的梯度算法[20]，提高了导航的效率。针对在无先验地磁图的情况下水下潜航器易陷入局部极值区域的问题，2021年，张晨等提出了一种基于最小磁角的抗干扰仿生导航算法[21]。同年，张家雨等提出了一种长距离水下导航的地磁梯度辅助进化算法，该方法大大提高了载体搜索效率和导航路径的直线度[22]。

目前，对于动物的地磁导航作用及其机理的认识还不够深入。因此,应尽快建立一套仿生地磁传感器导航模拟系统,研究一种新型的地磁传感器材料,以增强磁敏感性,使其朝着微型化、集成式信号管理及智能化等方向进行。

2.3 利用气味导航

信鸽在短距离返巢过程中，虽然会利用地磁导航，但更依赖于嗅觉导航。有研究表明，信鸽会通过对空间中气味浓度的感知，形成气味浓度梯度地图，进而在短距离范围内进行精确导航。

Lino Marques等进行了仿生嗅觉机器人的实验，表明有不同气味识别算法的弱传感器有大概率能进行正确的导航，而无气味识别算法的传感器有很大机率导航错误。2010年，Ali Marjovi等提出了一种基于群体机器人的嗅觉导航算法，实验结果提高了定位的准确度[23]。2019年， Alejandro Pequeo Zurro等基于蟑螂对气味的追踪与处理，设计了一种应用于飞行器上的气味跟踪传感器[24]。2020年，庞硕等提出了一种在复杂环境下基于嗅觉导航强化学习和模糊推理的仿生导航算法，相比其他算法，此法提高了导航智能性[25]。2021年，Gamma Aditya Rahardi等将嗅觉移动机器人用于气体检测，在有气体泄露的燃料工厂中，嗅觉机器人能加快并准确的找到泄漏源的位置[26]。

嗅觉对动物导航至关重要，但目前对动物嗅觉导航研究尚浅，动物识别空间中复杂气味的机理及处理气味并应用于导航的机理尚待研究。

3 仿生导航的内部条件

3.1 导航神经元

动物导航的内部条件主要是其大脑海马体中含有的一些空间信息编码的神经细胞(图3)。约翰·欧基夫和詹姆斯·兰克分别于1971年和1984年发现了大脑中的位置细胞与头朝向细胞。2005年，爱德华·莫泽尔发现了网格细胞。动物可以通过位置细胞来确定一些重要的地表位置，比如巢穴、食物源等。网格细胞可以使动物认知自己所处的空间位置，头朝向细胞可以使动物认知自身所处的方向。动物通过网格细胞和头朝向细胞的协作，对自身在空间中所处的位置和方向进行定位，并通过位置细胞收集的特定地物的位置，形成一个有关自身与重要地标的先验地图，且在动物运动过程中，不断更新空间位置与方向，通过不断累积经验知识进而形成认知地图，因此，动物在外界环境变化的情况下，依然可以正确的导航定位。

3.2 基于导航神经元的研究进展

2008年，昆士兰大学的Michael Milford对老鼠的大脑导航细胞进行建模，建立了一种新型的RatSLAM算法，并通过实验证明了该算法的可行性。针对传统的RatSLAM算法利用视觉信息导致导航的可靠性低的缺点，2015年，张潇等在RatSLAM的基础上增加了惯性导航，提出了一种基于RatSLAM的微惯性仿生视觉导航算法[28]，具有高适应性、高精度的特点。2016年，于乃功等构建了脉冲神经网络模型，提出了一种直接强化学习的仿生导航模型[29]，在无先验知识的情况下，完成了连续状态下面向目标的导航。针对传统的RatSALM算法无法获得场景中的距离信息，导致导航精度低的缺点，2018年，卞程远等用深度传感器Kinect替代普通的RGB相机提取了图像的深度信息，提出了一种融合深度信息的RatSLAM仿生算法[30]，大大提高了导航精度。2019年，刘建业等研究了一种基于吸引子神经网络的类脑导航技术[31]，并应用到无人机上，提高了无人机的自主导航能力和抗干扰能力。2020年，胡宇航模拟了一种基于小脑和基底神经节的类脑系统[32]，该系统有着调节和决策的能力，并应用到机器人导航上，实验证明该系统在决策行为和自主导航上表现优异。同年，德国乌尔姆大学的Sarah Pfefer等对节肢动物大脑空间认知机理进行了研究[33]，揭示了节肢动物大脑虽小，但拥有媲美脊椎动物的导航能力。同年，德国维尔茨堡大学的Habenstein Jens等研究了Cataglyphis蚂蚁的大脑结构，对昆虫大脑的神经元组织进行了深入的研究。

目前，国内外学者对动物脑神经元的研究尚不完善，动物脑中的导航神经细胞如何编码尚且还不了解，神经细胞间的相互作用，相互反馈等机理还有待解释。总得来说，对动物脑神经元的研究尚浅，还需进一步探索。

4 结 语

仿生导航的本质是向大自然学习，仿生导航为当前所面临的导航问题提供了新的途径。通过对仿生导航的内部条件和外部条件的研究，发现目前仿生导航机制已经比较完善，具备种类繁多的仿生传感器、相关仿生算法，已经应用于无人机、机器人等导航方面。但仿生导航算法尚存在精度不高，稳定性不足的缺点，且传感器器件体积较大。未来，可以通过生物基因技术与微纳米加工制造技术制造微型化、集成化的仿生传感器，在保证小体积的情况下提升其灵敏度与精度。