第16卷第1期 智能系统学报 Vol.16 No.1 2021年1月 CAAI Transactions on Intelligent Systems Jan.2021 D0:10.11992tis.202009049 仿信鸽归巢行为的导航技术研究进展 段海滨2，辛龙，邓亦敏 (1.北京航空航天大学自动化科学与电气工程学院，北京100083：2.鹏城实验室，广东深圳518000) 摘要：针对仿信鸽归巢行为的导航技术，本文首先简要叙述了信鸽归巢行为，并从地图和罗盘导航、视觉地 标导航2个方面分析了信鸽导航的行为学实验和导航机制。随后，介绍了几种具有代表性的模拟信鸽归巢行 为的理论模型和仿真模型。基于信鸽归巢导航行为机制和位置嫡理论，提出了一种动态切换三阶段信鸽归巢 模型，分别与信鸽归巢中的地图罗盘导航、步长重定向和马赛克地图导航行为建立映射关系，并给出了归巢导 航模型仿真结果。最后，从信鸽归巢导航行为与无人机自主导航相似性出发，建立了信鸽归巢行为模型到无人 机自主导航的机制映射，并探讨了仿信鸽归巢行为的导航技术未来研究方向。 关键词：信鸽：地图罗盘导航：视觉导航：马赛克地图：位置熵：无人机 中图分类号：V249.32文献标志码：A文章编号：1673-4785(2021)01-0001-10 中文引用格式：段海滨，辛龙，邓亦敏.仿信鸽归巢行为的导航技术研究进展1.智能系统学报，2021,16(1)：1-10. 英文引用格式：DUAN Haibin,XIN Long,DENG Yimin..Technology research review on homing pigeon-inspired navigationJ, CAAI transactions on intelligent systems,2021,16(1):1-10. Technology research review on homing pigeon-inspired navigation DUAN Haibin'2,XIN Long',DENG Yimin' (1.School of Automation Science and Electrical Engineering,Beihang University,Beijing 100083,China;2.Peng Cheng Laboratory, Shenzhen 518000,China) Abstract:Toward homing pigeon(Columba Livia)inspired navigation technology,we first introduce behaviors of hom- ing pigeons and analyze the behavioral experiments and mechanisms of map-and-compass navigation and visual-land- mark navigation,respectively,in this paper,then describe the representative simulation and theoretical models of hom- ing pigeons.Based on the homing behavior mechanism and position entropy theory,we propose a dynamic switching three-stage homing model,establishing a mapping relationship among the behaviors of map-and-compass navigation, leg length redirection,and mosaic map navigation and providing the simulation results of the proposed homing naviga- tion model.Finally,based on the similarity between the homing behavior of homing pigeons and autonomous naviga- tion of a UAV,we establish the mechanism mapping from the homing behavior model of homing pigeons to autonom- ous navigation of a UAV,and discuss the future research direction of navigation technology imitating the homing beha- vior of homing pigeons. Keywords:homing pigeon;map-and-compass;visual nabigation;mosaic map;positional entropy:UAV 生物学家研究发现，经过数亿年的演变，许多构，仅依赖环境信息就可以实现精确导航，从而 动物都进化出了感知外界环境信息并将其用于导 实现觅食、归巢及长途迁徙等行为。人类至今难 航的奇异能力)。与人类依赖高科技和精密设 以制造出仅依赖环境信息导航的装置，但对于生 备不同，自然界中的生物通过其特有的生理结 物导航功能的模拟，却是当前仿生学的研究重点 收稿日期：2020-09-30. 之一4。仿生导航技术是通过模仿自然界生物 基金项目：国家自然科学基金项目(U1913602,U20B2071, 体某些感知能力，并将感知的信息转化与处理得 91948204,U19B2033片科技创新2030-“新一代人工 智能”重大项目(2018AAA0100803). 到导航参数的一种技术。仿生导航具备不依赖卫 通信作者：段海滨.E-mail:hbduan@buaa.edu.cn 星导航系统、高性能、高自主、抗干扰等优势
DOI: 10.11992/tis.202009049 仿信鸽归巢行为的导航技术研究进展 段海滨1,2，辛龙1 ，邓亦敏1 （1. 北京航空航天大学 自动化科学与电气工程学院 ，北京 100083; 2. 鹏城实验室，广东 深圳 518000） 摘 要：针对仿信鸽归巢行为的导航技术，本文首先简要叙述了信鸽归巢行为，并从地图和罗盘导航、视觉地 标导航 2 个方面分析了信鸽导航的行为学实验和导航机制。随后，介绍了几种具有代表性的模拟信鸽归巢行 为的理论模型和仿真模型。基于信鸽归巢导航行为机制和位置熵理论，提出了一种动态切换三阶段信鸽归巢 模型，分别与信鸽归巢中的地图罗盘导航、步长重定向和马赛克地图导航行为建立映射关系，并给出了归巢导 航模型仿真结果。最后，从信鸽归巢导航行为与无人机自主导航相似性出发，建立了信鸽归巢行为模型到无人 机自主导航的机制映射，并探讨了仿信鸽归巢行为的导航技术未来研究方向。 关键词：信鸽；地图罗盘导航；视觉导航；马赛克地图；位置熵；无人机 中图分类号：V249.32 文献标志码：A 文章编号：1673−4785(2021)01−0001−10 中文引用格式：段海滨, 辛龙, 邓亦敏. 仿信鸽归巢行为的导航技术研究进展 [J]. 智能系统学报, 2021, 16(1): 1–10. 英文引用格式：DUAN Haibin, XIN Long, DENG Yimin. Technology research review on homing pigeon-inspired navigation[J]. CAAI transactions on intelligent systems, 2021, 16(1): 1–10. Technology research review on homing pigeon-inspired navigation DUAN Haibin1,2 ，XIN Long1 ，DENG Yimin1 (1. School of Automation Science and Electrical Engineering, Beihang University, Beijing 100083, China; 2. Peng Cheng Laboratory, Shenzhen 518000, China) Abstract: Toward homing pigeon (Columba Livia) inspired navigation technology, we first introduce behaviors of homing pigeons and analyze the behavioral experiments and mechanisms of map-and-compass navigation and visual-landmark navigation, respectively, in this paper, then describe the representative simulation and theoretical models of homing pigeons. Based on the homing behavior mechanism and position entropy theory, we propose a dynamic switching three-stage homing model, establishing a mapping relationship among the behaviors of map-and-compass navigation, leg length redirection, and mosaic map navigation and providing the simulation results of the proposed homing navigation model. Finally, based on the similarity between the homing behavior of homing pigeons and autonomous navigation of a UAV, we establish the mechanism mapping from the homing behavior model of homing pigeons to autonomous navigation of a UAV, and discuss the future research direction of navigation technology imitating the homing behavior of homing pigeons. Keywords: homing pigeon; map-and-compass; visual nabigation; mosaic map; positional entropy; UAV 生物学家研究发现，经过数亿年的演变，许多 动物都进化出了感知外界环境信息并将其用于导 航的奇异能力[1-3]。与人类依赖高科技和精密设 备不同，自然界中的生物通过其特有的生理结 构，仅依赖环境信息就可以实现精确导航，从而 实现觅食、归巢及长途迁徙等行为。人类至今难 以制造出仅依赖环境信息导航的装置，但对于生 物导航功能的模拟，却是当前仿生学的研究重点 之一[4-6]。仿生导航技术是通过模仿自然界生物 体某些感知能力，并将感知的信息转化与处理得 到导航参数的一种技术。仿生导航具备不依赖卫 星导航系统、高性能、高自主、抗干扰等优势。 收稿日期：2020−09−30. 基金项目：国家自然科学基金项目 (U1913602， U20B2071， 91948204，U19B2033)；科技创新 2030−“新一代人工 智能”重大项目 (2018AAA0100803). 通信作者：段海滨. E-mail：hbduan@buaa.edu.cn. 第 16 卷第 1 期 智 能 系 统 学 报 Vol.16 No.1 2021 年 1 月 CAAI Transactions on Intelligent Systems Jan. 2021
第16卷 智能系统学报 ·2· 信鸽在放飞之后成功安全归巢的能力在所有 向的强烈偏好，这些定向趋势可以通过一种漏斗 动物中名列前茅，同时由于信鸽长久以来被人类 形的定向笼中记录，Emlen向设计了这种定向笼， 驯养，其可控性高、数目多且较易观察，具有较高 首先验证了欧洲罗宾鸟的罗盘依赖性。这种笼子 的研究价值。同时，生物学家通过Clock-Shift实 的有限空间可以比较方便地改变环境磁场条件， 验、外加磁场干扰实验、脑电波响应等行为学、神 使用亥姆霍兹线圈干扰周围磁场，使其水平分量 经学研究，验证了鸽子对于太阳、地磁场及地面 偏移，而倾角和强度保持不变。该行为学实验的 景观的依赖性。无人机已经成体系地发展出全球 意义在于：如果欧洲罗宾鸟依赖磁罗盘，它们应 定位系统(global positioning system,GPS)导航、 该跟随磁北的移动并改变其飞行方向。鸽子虽然 惯性导航等导航方式，但GPS信号易受复杂任务 是非迁徙鸟类，缺乏与迁徙相关的方向偏好，但 环境干扰，惯性导航系统存在严重的累计误差，并 有强烈的归巢的倾向，会在释放后朝着鸽房的方 且2种导航方式均缺少场景感知能力，相比于生 向飞行。1974年，Walcott等m采用定向笼验证了 物导航系统智能性较低。信鸽的智能导航归巢行 鸽子的磁盘依赖性，如图1所示，图1(a)为鸽子头 为与无人机视觉自主导航技术需求十分吻合，如果 上绕着一线圈，图1(b)是在阴天释放的鸽子消失 能够将信鸽导航归巢过程中涌现出的行为机制应 方位，感应磁场的S极向上，N极向下，通过控制 用于无人机自主导航，无疑具有广阔的应用前景。 线圈的极向控制磁场方向，箭头表示平均向量。 结果表明，当磁极被翻转时，鸽子跟随这种转变 1信鸽归巢导航行为 改变了飞行方向，这表明它们在磁场的帮助下定 信鸽从遥远而陌生的地方成功归巢的能力在 向。此后，Wiltschko发现鸽子的磁罗盘是一种倾 所有动物中名列前茅，现有的生物学研究得到许 角罗盘，其导航特性与磁性无关。如图2所示，在 多鸟类导航知识均来自信鸽实验。利用信鸽作为 北半球地磁场的垂直分量指向下方；当垂直分量 实验对象优势突出：信鸽早在4000多年前被人类 倒转指向上方时，技术指南针仍然指向北方，但 驯养，数量足够多；鸽子有可靠的且强烈的归巢 鸽子却反向飞行。2001年，Akesson等发现鸟类 动机，为生物学家提供了一个坚实的实验基础； 在北极附近，磁罗盘在与垂直方向略微偏离小于 由于长期驯养，它们习惯于被处理，所以其归巢 3°的倾角仍然能够定向。2015年，Lefeldt等81 行为可以很容易评估。 在Akesson实验的基础上，通过实验室验证，得到了 1.1信鸽地图罗盘导航行为机制 相应的结果，进一步确认了鸽子磁罗盘是倾角罗盘。 对鸽子导航的系统分析始于20世纪中叶， 得益于Kramer等研究人员的2个重要发现：一是 迁徙鸟类更倾向于自然的迁徙方向；二是非迁徙 的鸟类被释放时，大多向着离家方向不远的方位 出发。当鸽子从陌生地方归巢时，通常是远离 鸽房且远远超出了任何直接的感官接触的范围。 (a)鸽头部绕有线圈 (b)磁场干扰前后信鸽方向变化 然而，鸽子仍然能够成功地朝那个方向飞行并到 图1信鸽磁罗盘实验 达它。这意味着鸽子借助于外部参照物一罗 Fig.1 Magnetic compass experiment of homing pigeon 盘，间接地与目标建立联系，而并不需要知道目 磁场水平分量 水平分量反转 标的具体位置。Kramer)首次提出“Map-and- Compass'”模型，该模型是鸽子导航的核心模型之 磁低 一，它把鸽子归巢行为描述为2个步骤：1)鸽子 直 确定它们相对于鸽房的位置，并将归巢方向作为 1分 真 罗盘航向。这相当于人类使用地图获得方向信 场方 息，用人类的话，类似于“在南边”这样的描述；2) 反 转 通过查阅罗盘来定位这个航向，获得诸如“这条 水平分量不变 路”或“去那里”之类的信息，指出它们实际飞行的 局部地磁场 水平分量反转 垂直分量反转 方向4 (a)无磁场干扰 (b)水平磁场反转(C)水平+垂直 鸽子在地磁场中的定向能力在20世纪60年 分量反转 代首次在候鸟身上得到证实。这得益于在迁徙季 图2鸽子磁倾角罗盘示意2四 节，鸟类在圈养时也表现出对季节适宜的迁徙方 Fig.2 The inclination compass of pigeons22
信鸽在放飞之后成功安全归巢的能力在所有 动物中名列前茅，同时由于信鸽长久以来被人类 驯养，其可控性高、数目多且较易观察，具有较高 的研究价值。同时，生物学家通过 Clock-Shift 实 验、外加磁场干扰实验、脑电波响应等行为学、神 经学研究，验证了鸽子对于太阳、地磁场及地面 景观的依赖性。无人机已经成体系地发展出全球 定位系统 (global positioning system，GPS) 导航、 惯性导航等导航方式，但 GPS 信号易受复杂任务 环境干扰，惯性导航系统存在严重的累计误差，并 且 2 种导航方式均缺少场景感知能力，相比于生 物导航系统智能性较低。信鸽的智能导航归巢行 为与无人机视觉自主导航技术需求十分吻合，如果 能够将信鸽导航归巢过程中涌现出的行为机制应 用于无人机自主导航，无疑具有广阔的应用前景。 1 信鸽归巢导航行为 信鸽从遥远而陌生的地方成功归巢的能力在 所有动物中名列前茅，现有的生物学研究得到许 多鸟类导航知识均来自信鸽实验。利用信鸽作为 实验对象优势突出：信鸽早在 4 000 多年前被人类 驯养，数量足够多；鸽子有可靠的且强烈的归巢 动机，为生物学家提供了一个坚实的实验基础； 由于长期驯养，它们习惯于被处理，所以其归巢 行为可以很容易评估。 1.1 信鸽地图罗盘导航行为机制 对鸽子导航的系统分析始于 20 世纪中叶， 得益于 Kramer 等研究人员的 2 个重要发现：一是 迁徙鸟类更倾向于自然的迁徙方向；二是非迁徙 的鸟类被释放时，大多向着离家方向不远的方位 出发[2]。当鸽子从陌生地方归巢时，通常是远离 鸽房且远远超出了任何直接的感官接触的范围。 然而，鸽子仍然能够成功地朝那个方向飞行并到 达它。这意味着鸽子借助于外部参照物−罗 盘，间接地与目标建立联系，而并不需要知道目 标的具体位置。Kramer[3] 首次提出“Map-andCompass”模型，该模型是鸽子导航的核心模型之 一，它把鸽子归巢行为描述为 2 个步骤：1) 鸽子 确定它们相对于鸽房的位置，并将归巢方向作为 罗盘航向。这相当于人类使用地图获得方向信 息，用人类的话，类似于“在南边”这样的描述；2) 通过查阅罗盘来定位这个航向，获得诸如“这条 路”或“去那里”之类的信息，指出它们实际飞行的 方向[4-5]。 鸽子在地磁场中的定向能力在 20 世纪 60 年 代首次在候鸟身上得到证实。这得益于在迁徙季 节，鸟类在圈养时也表现出对季节适宜的迁徙方 向的强烈偏好，这些定向趋势可以通过一种漏斗 形的定向笼中记录，Emlen [6] 设计了这种定向笼， 首先验证了欧洲罗宾鸟的罗盘依赖性。这种笼子 的有限空间可以比较方便地改变环境磁场条件， 使用亥姆霍兹线圈干扰周围磁场，使其水平分量 偏移，而倾角和强度保持不变。该行为学实验的 意义在于：如果欧洲罗宾鸟依赖磁罗盘，它们应 该跟随磁北的移动并改变其飞行方向。鸽子虽然 是非迁徙鸟类，缺乏与迁徙相关的方向偏好，但 有强烈的归巢的倾向，会在释放后朝着鸽房的方 向飞行。1974 年，Walcott 等 [7] 采用定向笼验证了 鸽子的磁盘依赖性，如图 1 所示，图 1(a) 为鸽子头 上绕着一线圈，图 1(b) 是在阴天释放的鸽子消失 方位，感应磁场的 S 极向上，N 极向下，通过控制 线圈的极向控制磁场方向，箭头表示平均向量。 结果表明，当磁极被翻转时，鸽子跟随这种转变 改变了飞行方向，这表明它们在磁场的帮助下定 向。此后，Wiltschko 发现鸽子的磁罗盘是一种倾 角罗盘，其导航特性与磁性无关。如图 2 所示，在 北半球地磁场的垂直分量指向下方；当垂直分量 倒转指向上方时，技术指南针仍然指向北方，但 鸽子却反向飞行。2001 年，Åkesson 等发现鸟类 在北极附近，磁罗盘在与垂直方向略微偏离小于 3°的倾角仍然能够定向。2015 年 ，Lefeldt 等 [8] 在Åkesson 实验的基础上，通过实验室验证，得到了 相应的结果，进一步确认了鸽子磁罗盘是倾角罗盘。 (a) 鸽头部绕有线圈 (b) 磁场干扰前后信鸽方向变化 图 1 信鸽磁罗盘实验[10] Fig. 1 Magnetic compass experiment of homing pigeon[10] 磁场水平分量 磁场方向 磁 场 垂 直 分 量 水平分量反转 水平分量反转 垂直分量反转 垂 直 分 量 不 变 垂 直 分 量 反 转 水平分量不变 局部地磁场 (a) 无磁场干扰 (b) 水平磁场反转 (c) 水平+垂直 分量反转 磁 场 方 向 改 变 磁 场 方 向 改 变 但 斜 率 不 变 图 2 鸽子磁倾角罗盘示意[22] Fig. 2 The inclination compass of pigeons[22] 第 16 卷 智 能 系 统 学 报 ·2·
·3 段海滨，等：仿信鸽归巢行为的导航技术研究进展 第1期 为了验证太阳罗盘的作用，Koeing等)在 阳方位角的不同变化率，并对它们进行了补偿。 1958年设计了著名的Clock-Shift对照实验。测 鸽子在归巢的过程中，导航能力会因为太阳高度 试鸽被关在一个封闭的房间，通过自然日出前6h 改变而改变。 开始和日落前6h结束的光周期，将鸽子内部时 1.2信鸽视觉地标导航行为机制 钟的设置前移6h,并连续至少5d,重置其内部时 除了依赖太阳和磁场这种自然因素，研究表 钟；对照组鸽子则不作处理，即按照正常的时间 明鸽子同样依赖视觉线索。2004年，Vyssotski等四 处置。然后对所有鸽子进行释放实验，观察并统 利用GPS设备，对50km范围内记录的216只信 计其飞行方向，来判断太阳的罗盘的作用。结果 鸽轨迹进行了分析。实验发现通往鸽房的公路和 表明，测试鸽在晴天里释放后，与对照鸽比较，它 铁路对有经验的鸽子有显著的吸引力，它们通常 们对太阳的位置判断出现误差。如图3所示。测 会自主地沿着道路飞行，并使用路上的交叉口作 试鸽误判了太阳的位置，例如，早上6：00放出的 为转折点校正方向。Vyssotski认为在飞行的早期 鸽子把东方的朝阳解释为南方的中午太阳，如果 和中期，沿着大而清晰的道路飞行很可能反映出 打算朝南飞行，则改为朝东飞行。这种典型的逆 罗盘航向的稳定性，而不需要导航地图；当鸽子 时针偏转，表明鸽子使用太阳罗盘。 接近鸽房区域时，更可能依赖认知地图，通过重 复穿越熟悉地形点实现导航。但GPS对鸽子飞 控制鸽 行轨迹的分析只能揭示地形特征对鸽子飞行轨迹 的影响，对于视觉标志如何影响鸽子飞行无法说 明，记录反映注意力处理的脑电波活动可以表明 感兴趣的物体是否引起飞行路径的变化。因此， 2009年，Vyssotski!又通过在鸽子飞行过程中携 实验鸽 带记录GPS位置和脑电波(electroencephalogram, EEG)的记录器，分析了鸽子在海上和陆地上释放 时，不同频带的变化。通过记录鸽子的脑电波发 鸽房 现，鸽子对于身下几百米的特殊地标会出现脑电 波激活响应。 图3鸽子Clock-shin实验2四 在接近鸽房的区域，本地环境梯度值和鸽房 Fig.3 The Clock-shift experiments of pigeons 的梯度值之间的差异会低于可检测的阈值，因此 基于Clock-.shif实验的结果，早期的研究人 在该区域鸽子必须依赖环境梯度以外的线索。 员认为鸽子已通过太阳的角度判断方向，并假设 Wallraff在l974年提出了“马赛克地图(mosaic 太阳的平均前进速度为15°h,预计6h的时钟偏 map)”是对鸽房附近区域突出地标分布的定向心 移中会出现大约90°的偏转。这样的假设看似能 理表征。马赛克地图的范围真实大小至今没有定 够解释鸽子方向的转变，但实际上太阳方位角的 论，并不是一个固定的值，通常估计其值在5~l0km。 变化不是线性的。日出和日落前太阳方位角几乎 2011年，Schiffer等对法兰克福鸽房周围记录的鸽 没有变化，而中午左右太阳方位角变化较大。同 子足迹进行了数学分析，粗略估计了导航过程中 时，太阳弧的具体形式在很大程度上取决于地理 涉及的因素数量；分析表明当鸽子接近鸽房时， 纬度和季节：在高纬度地区，太阳弧相对平坦，在 除了依赖环境梯度之外，还包括地标。Wiltsch- 低纬度地区，太阳弧要陡得多。2000年，德国工 ko提出在鸽房附近一定范围内，鸽子可以直接以 程院院士Wolfgang Wiltschko和他的学生通过在 最优路径归巢，并将该区域为称为即时归巢区域 新西兰奥克兰附近的一系列Clock-Shit实验对这 (immediate home area)。2012年，她提出特殊地标 个问题进行了验证和他的学生通过在新西兰 组成“马赛克地图”解释即时归巢区域，即鸽子能 奥克兰附近的一系列Clock-Shift实验对这个问题 够记忆鸽房附近显著地标相对于鸽房及相互之间 进行了验证。因为地处南纬37°，夏季太阳方位 的相对位置关系。Wiltschko认为，马赛克地图的 角变化率的差异是相当大的：在日出后的第一个 大小主要取决于2种情况：1)鸽子能够区分梯度 小时内和日落前的最后一个小时内，太阳的前进 值差异的距离；2)在鸽房区域是否有合适的特征 速度小于10°，而在中午的一个小时内，其速度超 性标志。这表明罗盘导航区域与即时归巢区域存 过40°。鸽子被释放时，内部时钟基于太阳方位 在重叠，即使是在即时归巢区域，鸽子同样会受 角移动了4h。观察到鸽子能够分辨不同时间太 罗盘因素的影响。在即时归巢区域，鸽子可以依
为了验证太阳罗盘的作用，Koeing 等 [ 9 ] 在 1958 年设计了著名的 Clock-Shift 对照实验。测 试鸽被关在一个封闭的房间，通过自然日出前 6 h 开始和日落前 6 h 结束的光周期，将鸽子内部时 钟的设置前移 6 h，并连续至少 5 d，重置其内部时 钟；对照组鸽子则不作处理，即按照正常的时间 处置。然后对所有鸽子进行释放实验，观察并统 计其飞行方向，来判断太阳的罗盘的作用。结果 表明，测试鸽在晴天里释放后，与对照鸽比较，它 们对太阳的位置判断出现误差。如图 3 所示。测 试鸽误判了太阳的位置，例如，早上 6:00 放出的 鸽子把东方的朝阳解释为南方的中午太阳，如果 打算朝南飞行，则改为朝东飞行。这种典型的逆 时针偏转，表明鸽子使用太阳罗盘。 控制鸽 N W W S S E E N N W E S 鸽房 18: 00 6: 00 6: 00 18: 00 实验鸽 图 3 鸽子 Clock-shift 实验[22] Fig. 3 The Clock-shift experiments of pigeons[22] 基于 Clock-shift 实验的结果，早期的研究人 员认为鸽子已通过太阳的角度判断方向，并假设 太阳的平均前进速度为 15°/h，预计 6 h 的时钟偏 移中会出现大约 90°的偏转。这样的假设看似能 够解释鸽子方向的转变，但实际上太阳方位角的 变化不是线性的。日出和日落前太阳方位角几乎 没有变化，而中午左右太阳方位角变化较大。同 时，太阳弧的具体形式在很大程度上取决于地理 纬度和季节：在高纬度地区，太阳弧相对平坦，在 低纬度地区，太阳弧要陡得多。2000 年，德国工 程院院士 Wolfgang Wiltschko 和他的学生通过在 新西兰奥克兰附近的一系列 Clock-Shift 实验对这 个问题进行了验证[10] 和他的学生通过在新西兰 奥克兰附近的一系列 Clock-Shift 实验对这个问题 进行了验证。因为地处南纬 37°，夏季太阳方位 角变化率的差异是相当大的：在日出后的第一个 小时内和日落前的最后一个小时内，太阳的前进 速度小于 10°，而在中午的一个小时内，其速度超 过 40°。鸽子被释放时，内部时钟基于太阳方位 角移动了 4 h。观察到鸽子能够分辨不同时间太 阳方位角的不同变化率，并对它们进行了补偿。 鸽子在归巢的过程中，导航能力会因为太阳高度 改变而改变。 1.2 信鸽视觉地标导航行为机制 除了依赖太阳和磁场这种自然因素，研究表 明鸽子同样依赖视觉线索。2004 年，Vyssotski 等 [11] 利用 GPS 设备，对 50 km 范围内记录的 216 只信 鸽轨迹进行了分析。实验发现通往鸽房的公路和 铁路对有经验的鸽子有显著的吸引力，它们通常 会自主地沿着道路飞行，并使用路上的交叉口作 为转折点校正方向。Vyssotski 认为在飞行的早期 和中期，沿着大而清晰的道路飞行很可能反映出 罗盘航向的稳定性，而不需要导航地图；当鸽子 接近鸽房区域时，更可能依赖认知地图，通过重 复穿越熟悉地形点实现导航。但 GPS 对鸽子飞 行轨迹的分析只能揭示地形特征对鸽子飞行轨迹 的影响，对于视觉标志如何影响鸽子飞行无法说 明，记录反映注意力处理的脑电波活动可以表明 感兴趣的物体是否引起飞行路径的变化。因此， 2009 年，Vyssotski[12] 又通过在鸽子飞行过程中携 带记录 GPS 位置和脑电波（electroencephalogram， EEG）的记录器，分析了鸽子在海上和陆地上释放 时，不同频带的变化。通过记录鸽子的脑电波发 现，鸽子对于身下几百米的特殊地标会出现脑电 波激活响应。 在接近鸽房的区域，本地环境梯度值和鸽房 的梯度值之间的差异会低于可检测的阈值，因此 在该区域鸽子必须依赖环境梯度以外的线索[13-14]。 Wallraff 在 1974 年提出了“马赛克地图 (mosaic map)”是对鸽房附近区域突出地标分布的定向心 理表征。马赛克地图的范围真实大小至今没有定 论，并不是一个固定的值，通常估计其值在 5~10 km。 2011 年，Schiffer 等对法兰克福鸽房周围记录的鸽 子足迹进行了数学分析，粗略估计了导航过程中 涉及的因素数量；分析表明当鸽子接近鸽房时， 除了依赖环境梯度之外，还包括地标。Wiltschko 提出在鸽房附近一定范围内，鸽子可以直接以 最优路径归巢，并将该区域为称为即时归巢区域 (immediate home area)。2012 年，她提出特殊地标 组成 “马赛克地图”解释即时归巢区域，即鸽子能 够记忆鸽房附近显著地标相对于鸽房及相互之间 的相对位置关系。Wiltschko 认为，马赛克地图的 大小主要取决于 2 种情况：1) 鸽子能够区分梯度 值差异的距离；2) 在鸽房区域是否有合适的特征 性标志。这表明罗盘导航区域与即时归巢区域存 在重叠，即使是在即时归巢区域，鸽子同样会受 罗盘因素的影响。在即时归巢区域，鸽子可以依 ·3· 段海滨，等：仿信鸽归巢行为的导航技术研究进展 第 1 期
第16卷 智能系统学报 ·4 赖视觉识别鸽房附近的特殊地标，并利用其给出 步骤，鸽子锁定这个方向并在导航地图的帮助下 的方位信息辅助导航。如图4所示。 转为飞行方向。 然而在三维空间中飞行，单一罗盘无法确定 鸽子的准确位置和方向；不考虑飞行高度的前提 下，鸽子至少需要2个方向才能完成导航和定 位。根据Map-and-Compass模型，Wallraff1m提出 0 为了确定罗盘方向，需要依赖在释放地点收集的 50 信息，进行双坐标导航。鸽子获取特定地点的信 275°95 地标3 息，利用环境梯度的局部标量值来确定其相对于 2109 140°320° 鸽房的位置，然后借助导航地图来解释这些梯度 地标1 160°3409 120°300° 330° 值。这种利用双坐标导航的理论受地图网格系统 45°125° 150° 的启发提出，环境场的两个几何参数即强度和斜 率共同构成双坐标。1974年，Wallraff提出了双 280°1050 坐标导航的概念模型，认为鸽子至少需要2个参 鸽房 数确定其位置，并且参数值在空间中连续变化。 地标4 在“Map-and-Compass”模型和双坐标导航概 念的基础上，Ulrich Nehmzow等1s在2001年提出 图4即时归巢机制示意 了一种鸽子导航的计算机仿真模型。该模型假设 Fig.4 Sketch map of immediate home mechanism 牛津大学的Biro等1通过GPS记录并跟踪 鸽子在具有2个相交梯度的环境中导航飞行，并 了多只信鸽归巢路径，进行了一系列实验，研究 且鸽子具有罗盘感知能够据此确定环境场的方 鸽子的认知机制在归巢中的作用，发现鸽子不仅 向，具有梯度感知能够感知本地环境梯度。同 时，该模型假设鸽子具有“导航地图”，可以据此 依赖于本地区内高度定型但效率低的路线，而且 确定环境梯度，并理解本地梯度与鸽房附近梯度 会被熟悉的路线吸引，进一步的研究证实了路径 的差异。该模型能够基本上实现与观测结果对应 重演现象。这种精确的路径重演显示了整个飞行 的仿真效果。 过程中对熟悉的地标的依赖，从而验证了熟悉的 Wiltschko等u)通过大量鸽子释放归巢实验 飞行路线对于信鸽视觉引导的作用。2014年， Nagy等1o1利用GPS设备获取鸽群的飞行轨迹， 的数据分析，提出了Nehmzow模型改进的版本， 二者具有相似的假设，即两相交的环境梯度，鸽 发现鸽群中的个体除头鸽外，其余跟随者也存在 子具有梯度感知、罗盘感知能力，鸽子具有导航 相应的飞行领导等级，位于低级的个体其行为不 地图能够获取本地梯度并能理解本地与鸽房的梯 仅会受到头鸽的影响，也会受到其等级之上个体 度差异。二者的区别在于：1)通过对大量鸽子释 的影响，而往往来自于临近上级个体的影响更为 放实验的数据进行分析总结，得到了更加精确的 直接迅速。这表明信鸽在集群飞行时通过视觉进 仿真模型参数，对原始模型进行了修正；2)考虑 行飞行速度和方向调整，这样做的明显优势在 了更加复杂的模拟环境，即不单调或不正交的相 于，信息传递更高效迅速。 交梯度情况；3)提出“即时归巢区域”的概念，在 2典型信鸽归巢导航模型 该区域，鸽子将采用视觉线索辅助导航。 2011年，Postlethwaite等2o提出一种几何模 为探索信鸽归巢多种复杂行为学实验的内在 型模拟鸽子导航初始误差的生成过程，通过带有 机理，研究其涌现出的智能导航行为的机制，半 系统的误差的环境刺激轮廓包线，模型模拟鸽子 个多世纪以来，相关研究者尝试建立信鸽归巢导 导航开始时会导致对称方向误差，如图5所示，其 航的计算机仿真模型和数学分析模型，以描述信 中H为home点，R为释放点。该模型成功地预 鸽导航行为特性。其中，对于影响信鸽归巢导航 测了从信鸽行为学实验数据中发现的误差模式， 环境因素即导航罗盘的仿真建模方面的研究，开 但低估了误差的幅度。随后，Postlethwaite2u对模 始的较早，最为人熟知的是Kramer在1957年提 型进行了扩展，考虑了3种包含更复杂的环境信 出的经典的“Map-and-Compass”模型。“Map- 号轮廓线畸变的情况，并计算了在每种情况下参 and-Compass”模型将鸽子归巢描述为两步走的 数变化时的方位误差，最后讨论了这些结果对预 过程：I)Compass步骤，即鸽子确定其相对于鸽房 测鸽子在它们用来导航的任何环境信号中遇到复 的位置并得到鸽房的方向作为罗盘方向；2)Map 杂扭曲时的影响
赖视觉识别鸽房附近的特殊地标，并利用其给出 的方位信息辅助导航。如图 4 所示。 地标1 S 280° 105° 330° 150° 220° 150° 140° 320° 120° 300° 160° 340° 30° 210° 45° 125° 275° 95° W E N 鸽房 地标2 地标3 地标4 图 4 即时归巢机制示意 Fig. 4 Sketch map of immediate home mechanism 牛津大学的 Biro 等 [14] 通过 GPS 记录并跟踪 了多只信鸽归巢路径，进行了一系列实验，研究 鸽子的认知机制在归巢中的作用，发现鸽子不仅 依赖于本地区内高度定型但效率低的路线，而且 会被熟悉的路线吸引，进一步的研究证实了路径 重演现象。这种精确的路径重演显示了整个飞行 过程中对熟悉的地标的依赖，从而验证了熟悉的 飞行路线对于信鸽视觉引导的作用[15]。2014 年， Nagy 等 [16] 利用 GPS 设备获取鸽群的飞行轨迹， 发现鸽群中的个体除头鸽外，其余跟随者也存在 相应的飞行领导等级，位于低级的个体其行为不 仅会受到头鸽的影响，也会受到其等级之上个体 的影响，而往往来自于临近上级个体的影响更为 直接迅速。这表明信鸽在集群飞行时通过视觉进 行飞行速度和方向调整，这样做的明显优势在 于，信息传递更高效迅速。 2 典型信鸽归巢导航模型 为探索信鸽归巢多种复杂行为学实验的内在 机理，研究其涌现出的智能导航行为的机制，半 个多世纪以来，相关研究者尝试建立信鸽归巢导 航的计算机仿真模型和数学分析模型，以描述信 鸽导航行为特性。其中，对于影响信鸽归巢导航 环境因素即导航罗盘的仿真建模方面的研究，开 始的较早，最为人熟知的是 Kramer 在 1957 年提 出的经典的“Map-and-Compass”模型。“Mapand-Compass”模型将鸽子归巢描述为两步走的 过程：1) Compass 步骤，即鸽子确定其相对于鸽房 的位置并得到鸽房的方向作为罗盘方向；2) Map 步骤，鸽子锁定这个方向并在导航地图的帮助下 转为飞行方向。 然而在三维空间中飞行，单一罗盘无法确定 鸽子的准确位置和方向；不考虑飞行高度的前提 下，鸽子至少需要 2 个方向才能完成导航和定 位。根据 Map-and-Compass 模型，Wallraff[17] 提出 为了确定罗盘方向，需要依赖在释放地点收集的 信息，进行双坐标导航。鸽子获取特定地点的信 息，利用环境梯度的局部标量值来确定其相对于 鸽房的位置，然后借助导航地图来解释这些梯度 值。这种利用双坐标导航的理论受地图网格系统 的启发提出，环境场的两个几何参数即强度和斜 率共同构成双坐标。1974 年，Wallraff 提出了双 坐标导航的概念模型，认为鸽子至少需要 2 个参 数确定其位置，并且参数值在空间中连续变化。 在“Map-and-Compass”模型和双坐标导航概 念的基础上，Ulrich Nehmzow 等 [18] 在 2001 年提出 了一种鸽子导航的计算机仿真模型。该模型假设 鸽子在具有 2 个相交梯度的环境中导航飞行，并 且鸽子具有罗盘感知能够据此确定环境场的方 向，具有梯度感知能够感知本地环境梯度。同 时，该模型假设鸽子具有“导航地图”，可以据此 确定环境梯度，并理解本地梯度与鸽房附近梯度 的差异。该模型能够基本上实现与观测结果对应 的仿真效果。 Wiltschko 等 [19] 通过大量鸽子释放归巢实验 的数据分析，提出了 Nehmzow 模型改进的版本， 二者具有相似的假设，即两相交的环境梯度，鸽 子具有梯度感知、罗盘感知能力，鸽子具有导航 地图能够获取本地梯度并能理解本地与鸽房的梯 度差异。二者的区别在于：1) 通过对大量鸽子释 放实验的数据进行分析总结，得到了更加精确的 仿真模型参数，对原始模型进行了修正；2) 考虑 了更加复杂的模拟环境，即不单调或不正交的相 交梯度情况；3) 提出“即时归巢区域”的概念，在 该区域，鸽子将采用视觉线索辅助导航。 2011 年，Postlethwaite 等 [20] 提出一种几何模 型模拟鸽子导航初始误差的生成过程，通过带有 系统的误差的环境刺激轮廓包线，模型模拟鸽子 导航开始时会导致对称方向误差，如图 5 所示，其 中 H 为 home 点，R 为释放点。该模型成功地预 测了从信鸽行为学实验数据中发现的误差模式， 但低估了误差的幅度。随后，Postlethwaite[21] 对模 型进行了扩展，考虑了 3 种包含更复杂的环境信 号轮廓线畸变的情况，并计算了在每种情况下参 数变化时的方位误差，最后讨论了这些结果对预 测鸽子在它们用来导航的任何环境信号中遇到复 杂扭曲时的影响。 第 16 卷 智 能 系 统 学 报 ·4·
段海滨，等：仿信鸽归巢行为的导航技术研究进展 第1期 解的送代过程。 3仿信鸽归巢行为的无人机自主导航 3.1动态切换三阶段信鸽归巢导航模型 现有的鸽子归巢导航模型大部分是基于行为 学实验的分析和对观测结果的模拟，并且都集中 在对自然因素如太阳和磁罗盘的研究，而对于视 觉因素的建模则较少。Guilford基于位置熵提出 的三态模型，从数据上推论出信鸽归巢过程呈现 3种导航置信状态，但这是一种抽象模型，并没有 R 具体到信鸽的导航行为。结合以上2个方面的研 图5文献26模型鸽子定向误差机理 究，针对信鸽归巢导航所涌现出的地图罗盘导 Fig.5 Orientation error mechanism of the model from 航、飞行中重定向和鸽房区域快速归巢的行为机 ref.26] 制，并借鉴现有信鸽导航模型和位置熵理论，本 除了对信鸽导航因素的模拟，研究人员对于 文提出一种动态切换三阶段信鸽归巢导航模型。 信鸽导航状态和导航策略变化，也进行了建模分 本模型将信鸽归巢过程具体化为3个阶段，分别 析。牛津大学的Guilford团队2-2利用小型GPS 为Map-and-Compass阶段、Leg Length阶段和Im- 采集设备记录鸽子飞行轨迹，并根据飞行轨迹观 mediate Home阶段，并给出建模过程。 测飞行行为中大的变化，推断可能的导航策略变 1)Map-and-Compass阶段 化。Guilford假设鸟类复杂的导航行为可能是围 Map-and-Compass阶段对应信鸽依赖地图罗 绕一组定义不同导航策略的原型行为状态建模 盘导航行为，此时鸽子处于高嫡状态，对自己的 的，这种策略需要形成一组隐藏策略状态。然后 位置最不确定，需要依赖自然罗盘收集与导航有 利用GPS设备采集的鸽子个体的飞行轨迹数据， 关的信息。高嫡状态包括2个时期：1)释放后立 构成一个时间演化动力系统，采用混沌系统分析 即出现的典型时期，即信鸽依赖太阳或磁罗盘确 方法分析其复杂性，并采用隐马尔可夫模型对系 定罗盘方向，并在“认知地图”的帮助下，确定目 统建模，建立了一个基于时空熵和概率隐马尔可 标方向；2)信鸽在飞行一定距离后，且没有发现 夫模型的数学模型。最终，Guilford发现鸽子的 与归巢路线相关的显著标志性特征，会引发对位 归巢轨迹数据呈现一种鲁棒的三态结构。随后， 置的重新评估，从而导致回家方向的重新评估的 Guilford进一步研究了实验结果和细节的行为学 时期。此时信鸽需要重新校正方向，这也与已有 原因，着重研究视觉场景对信鸽导航策略切换的 的研究现象相符合。这一过程与Kramer 影响，提出了位置熵表征导航不确定性的假设， 的“Map-and-Compass”"模型是一致的。 结合三态结构将熟悉区域导航分解为3种导航置 假设鸽子具备罗盘感知与梯度感知，其感知精 信状态。 度受分别受参数Cx和Cx控制，并且罗盘读数与梯 受Guilford的研究启发，Duan等提出了一种 度值服从以真值为均值的标准正态分布，定义为 新的仿生智能优化算法一鸽群优化(Pigeon-in- =uue+pCN (1) spired Optimization,PIO)算法提出了一种仿生 a=auue +p2CN (2) 智能优化算法-鸽群优化(pigeon-inspired optimiza- 式中：p、a为罗盘和梯度读数；pme为真罗盘航 tion,PIO)算法。PIO算法将影响鸽群归巢的关键 向；ae为梯度真值；p、P2为均值0标准差1随机数。 原因分为2大类：1)罗盘，包括太阳和地球的磁 鸽子的导航地图是通过反复学习罗盘和环境 场；2)地貌景观，而鸽子在飞行的过程中，根据不 梯度得到的，因此它也有噪声，但应比罗盘或梯 同的情况会使用不同的巡航工具。首先通过地磁 度感知更精确。将地图的角度误差和陡度误差分 场来对一个大概的方向进行辨别，然后利用地貌 别设置为Cx和Gv的25%，可以构建地图模型： 景象对目前的方向实施修正，直到到达精确的目 EA=0°+P3CN/4 (3) 的地。所以PIO算法中鸽子归巢有2个基本算子 EB=90°+p4CN/4 (4) 组成：罗盘算子和地标算子。通过模仿鸽子寻找 A=1+psCN/4 (5) 目的地的导航机制，设计目标向量寻求全局最优 C8=1+p6CN/4 (6)
R H 图 5 文献 [26] 模型鸽子定向误差机理 Fig. 5 Orientation error mechanism of the model from ref. [26] 除了对信鸽导航因素的模拟，研究人员对于 信鸽导航状态和导航策略变化，也进行了建模分 析。牛津大学的 Guilford 团队[22-23] 利用小型 GPS 采集设备记录鸽子飞行轨迹，并根据飞行轨迹观 测飞行行为中大的变化，推断可能的导航策略变 化。Guilford 假设鸟类复杂的导航行为可能是围 绕一组定义不同导航策略的原型行为状态建模 的，这种策略需要形成一组隐藏策略状态。然后 利用 GPS 设备采集的鸽子个体的飞行轨迹数据， 构成一个时间演化动力系统，采用混沌系统分析 方法分析其复杂性，并采用隐马尔可夫模型对系 统建模，建立了一个基于时空熵和概率隐马尔可 夫模型的数学模型。最终，Guilford 发现鸽子的 归巢轨迹数据呈现一种鲁棒的三态结构。随后， Guilford 进一步研究了实验结果和细节的行为学 原因，着重研究视觉场景对信鸽导航策略切换的 影响，提出了位置熵表征导航不确定性的假设， 结合三态结构将熟悉区域导航分解为 3 种导航置 信状态。 受 Guilford 的研究启发，Duan 等提出了一种 新的仿生智能优化算法−鸽群优化 (Pigeon-inspired Optimization, PIO) 算法[24] 提出了一种仿生 智能优化算法−鸽群优化 (pigeon-inspired optimization, PIO) 算法。PIO 算法将影响鸽群归巢的关键 原因分为 2 大类：1) 罗盘，包括太阳和地球的磁 场；2) 地貌景观，而鸽子在飞行的过程中，根据不 同的情况会使用不同的巡航工具。首先通过地磁 场来对一个大概的方向进行辨别，然后利用地貌 景象对目前的方向实施修正，直到到达精确的目 的地。所以 PIO 算法中鸽子归巢有 2 个基本算子 组成：罗盘算子和地标算子。通过模仿鸽子寻找 目的地的导航机制， 设计目标向量寻求全局最优 解的迭代过程。 3 仿信鸽归巢行为的无人机自主导航 3.1 动态切换三阶段信鸽归巢导航模型 现有的鸽子归巢导航模型大部分是基于行为 学实验的分析和对观测结果的模拟，并且都集中 在对自然因素如太阳和磁罗盘的研究，而对于视 觉因素的建模则较少。Guilford 基于位置熵提出 的三态模型，从数据上推论出信鸽归巢过程呈现 3 种导航置信状态，但这是一种抽象模型，并没有 具体到信鸽的导航行为。结合以上 2 个方面的研 究，针对信鸽归巢导航所涌现出的地图罗盘导 航、飞行中重定向和鸽房区域快速归巢的行为机 制，并借鉴现有信鸽导航模型和位置熵理论，本 文提出一种动态切换三阶段信鸽归巢导航模型。 本模型将信鸽归巢过程具体化为 3 个阶段，分别 为 Map-and-Compass 阶段、Leg Length 阶段和 Immediate Home 阶段，并给出建模过程。 1) Map-and-Compass 阶段 Map-and-Compass 阶段对应信鸽依赖地图罗 盘导航行为，此时鸽子处于高熵状态，对自己的 位置最不确定，需要依赖自然罗盘收集与导航有 关的信息。高熵状态包括 2 个时期：1) 释放后立 即出现的典型时期，即信鸽依赖太阳或磁罗盘确 定罗盘方向，并在“认知地图”的帮助下，确定目 标方向；2) 信鸽在飞行一定距离后，且没有发现 与归巢路线相关的显著标志性特征，会引发对位 置的重新评估，从而导致回家方向的重新评估的 时期。此时信鸽需要重新校正方向，这也与已有 的研究现象相符合。这一过程 与 Kramer 的“Map-and-Compass”模型是一致的。 假设鸽子具备罗盘感知与梯度感知，其感知精 度受分别受参数 CN 和 CN 控制，并且罗盘读数与梯 度值服从以真值为均值的标准正态分布，定义为 φ = φtrue +ρ1CN (1) α = αtrue +ρ2CN (2) φ α φtrue αtrue ρ1 ρ2 式中： 、 为罗盘和梯度读数； 为真罗盘航 向； 为梯度真值； 、 为均值 0 标准差 1 随机数。 鸽子的导航地图是通过反复学习罗盘和环境 梯度得到的，因此它也有噪声，但应比罗盘或梯 度感知更精确。将地图的角度误差和陡度误差分 别设置为 CN 和 GN 的 25%，可以构建地图模型： εA = 0 ◦ +ρ3CN/4 (3) εB = 90◦ +ρ4CN/4 (4) σA = 1+ρ5CN/4 (5) σB = 1+ρ6CN/4 (6) ·5· 段海滨，等：仿信鸽归巢行为的导航技术研究进展 第 1 期
第16卷 智能系统学报 6· 式中：A、B表示两相交环境场；EA、Es为环境梯度 3.2模型仿真与分析 方向；σA、σB为梯度斜率；p为随机数。由式(6) 根据上节建立的鸽子归巢行为模型，本节通 可知，导航地图使得环境场并非垂直或单调，而 过模型仿真模拟鸽子归巢飞行结果。当信鸽释放 是存在一定角度和斜率误差。根据式(1)(6)，便 后，首先进入Map-and-Compass阶段依靠罗盘和 可建立Map-and-Compass阶段定向模型。 地图确定航向；然后进入Leg Length阶段，只需要 2)Leg Length阶段 维护其相对于出发点的位置，而不需要再考虑罗 Leg Length阶段是飞行中重定向期间的导航 盘因素；当飞行距离达到Leg Length后，再次进 行为，即鸽子在飞行一定距离后，重新校正方向。 入Map-and-Compass阶段校正方向；当信鸽进入 在Leg Length阶段，鸽子处于中熵状态，此时鸽子 鸽房区域范围时，通过识别熟悉地标，快速获取 对自己的归航方向有了合理的信心。按照Guilford 鸽房方位；由于导航地图与该区域存在重叠，信 的研究，此时使用鸽子导航行为的主要输入可能 鸽同时会受罗盘因素的影响。因此，本文提出的 是以中间目标朝向精度的导航策略，因此可进行 动态切换3阶段鸽子归巢导航模型各阶段之间存 频繁调整。一种策略可能是使用视觉航路点，在 在耦合，状态可切换。 航路点之间使用其他自我中心机制，如航位推 仿真环境为的1000×1000单元的区域，表示 算。本模型将Leg Length阶段定义为一种航位推 500km×500km面积。其2个环境梯度A、B在仿 算行为，此时鸽子不需要维护其飞行方向，而只 真环境中包括250个不同梯度值，互相正交且斜 需要维护其飞行距离；当飞行距离达到或超过 率相同为1，即每前进2km环境梯度的数值加 Leg Length时，则再次进入Map-and-Compass阶段 1。假设COMPNOISE为15°，即68%的罗盘读数 调整方向。因此，中嫡状态可进行频繁调整。 位于真实方向的±15°以内。GRADINOISE值为 对鸽子的Clock-shift实验的飞行轨迹的记录 1.5,表示在所有梯度值的读数中，68%落在真值 表明，“Leg Length”值应当在2~7km,不是一个 的1.5个梯度单元以内，即±3km范围内。仿真 确定值。本文建模时假设“Map-and-Compass”过 流程如图6所示。 程不稳定，这意味着鸽子无法按照固定距离重新 开始 确定航向，导致变化的“Leg Length”和非周 根据式(3)设置 是否飞离 期性检查的变化。将Leg Length”更新方式定义为 梯度A角度 仿其环境 LL rand[2,7] (7) 根据式(4)设置 梯度B角度 式中rand表示在固定区间内均匀取值。在“Leg 根据式(5)设置 是否飞行超过 Length”阶段，鸽子会保持当前航向，只受微小误 梯度A陡度 最短距离10倍 ￥，迷路 差影响，但整体方向基本维持不变。 根据式(6设置 N 3)Immediate Home阶段 梯度B陡度 是否进人 释放模拟鸽子 即时归巢区域 Immediate Home阶段，对应鸽子在鸽房附近 区域快速归巢的行为。本模型中，当信鸽进入鸽 根据式(2)测量 Y 房附近区域后，将进入低熵状态，此时鸽子对自 当地A、B梯度值 进入即时 己的飞行路线最有信心，它们将依赖外部输入地 与鸽房梯度值比较 归巢阶段 标特征，获取直达鸽房的方向信息。Guilford提 确定鸽房方向 是否进入目标 N 出了2种驱动鸟类进入低熵状态的机制，这2种 根据式(1)确定 区域范围 机制都涉及到外部输入视觉特征。因此，本文假 罗盘航向 Y 设在即时归巢区域，鸽子将采用“马赛克地图”导 沿航向飞行 成功归巢 航方式，通过识别特殊地标，得到鸽房相对于地 根据式(7)确定 标的方位。 步长 结束 按照鸽子归巢行为学实验观测结果，即时归 飞行距离超过 巢区域的真实大小无法确定得到，但估计其值在 步长 5~10km,在这个区域内都属于“即时归巢区域”， 可以表示为 图6鸽子归巢行为模型仿真流程 IHA R=5 (8) Fig.6 Flow chart of pigeon homing model 式中HAR(immediate home area radius)表示即时 图7(a)给出了模型仿真的飞行轨迹，鸽子成 归巢区域半径。 功归巢并且飞行轨迹与行为学实验记录的信鸽飞
A B εA εB σA σB ρ 式中： 、 表示两相交环境场； 、 为环境梯度 方向； 、 为梯度斜率； 为随机数。由式 (6) 可知，导航地图使得环境场并非垂直或单调，而 是存在一定角度和斜率误差。根据式 (1)~(6)，便 可建立 Map-and-Compass 阶段定向模型。 2) Leg Length 阶段 Leg Length 阶段是飞行中重定向期间的导航 行为，即鸽子在飞行一定距离后，重新校正方向。 在 Leg Length 阶段，鸽子处于中熵状态，此时鸽子 对自己的归航方向有了合理的信心。按照 Guilford 的研究，此时使用鸽子导航行为的主要输入可能 是以中间目标朝向精度的导航策略，因此可进行 频繁调整。一种策略可能是使用视觉航路点，在 航路点之间使用其他自我中心机制，如航位推 算。本模型将 Leg Length 阶段定义为一种航位推 算行为，此时鸽子不需要维护其飞行方向，而只 需要维护其飞行距离；当飞行距离达到或超过 Leg Length 时，则再次进入 Map-and-Compass 阶段 调整方向。因此，中熵状态可进行频繁调整。 对鸽子的 Clock-shift 实验的飞行轨迹的记录 表明，“Leg Length”值应当在 2~7 km，不是一个 确定值。本文建模时假设“Map-and-Compass”过 程不稳定，这意味着鸽子无法按照固定距离重新 确定航向，导致变化的“Leg Length”和非周 期性检查的变化。将“Leg Length”更新方式定义为 LL = rand[2,7] (7) 式中 rand 表示在固定区间内均匀取值。在“Leg Length”阶段，鸽子会保持当前航向，只受微小误 差影响，但整体方向基本维持不变。 3) Immediate Home 阶段 Immediate Home 阶段，对应鸽子在鸽房附近 区域快速归巢的行为。本模型中，当信鸽进入鸽 房附近区域后，将进入低熵状态，此时鸽子对自 己的飞行路线最有信心，它们将依赖外部输入地 标特征，获取直达鸽房的方向信息。Guilford 提 出了 2 种驱动鸟类进入低熵状态的机制，这 2 种 机制都涉及到外部输入视觉特征。因此，本文假 设在即时归巢区域，鸽子将采用“马赛克地图”导 航方式，通过识别特殊地标，得到鸽房相对于地 标的方位。 按照鸽子归巢行为学实验观测结果，即时归 巢区域的真实大小无法确定得到，但估计其值在 5~10 km，在这个区域内都属于“即时归巢区域”， 可以表示为 IHA_R = 5 (8) 式中 IHA_R (immediate home area radius) 表示即时 归巢区域半径。 3.2 模型仿真与分析 根据上节建立的鸽子归巢行为模型，本节通 过模型仿真模拟鸽子归巢飞行结果。当信鸽释放 后，首先进入 Map-and-Compass 阶段依靠罗盘和 地图确定航向；然后进入 Leg Length 阶段，只需要 维护其相对于出发点的位置，而不需要再考虑罗 盘因素；当飞行距离达到 Leg Length 后，再次进 入 Map-and-Compass 阶段校正方向；当信鸽进入 鸽房区域范围时，通过识别熟悉地标，快速获取 鸽房方位；由于导航地图与该区域存在重叠，信 鸽同时会受罗盘因素的影响。因此，本文提出的 动态切换 3 阶段鸽子归巢导航模型各阶段之间存 在耦合，状态可切换。 1 000×1 000 500 km×500 km ±15◦ ±3 km 仿真环境为的 单元的区域，表示 面积。其 2 个环境梯度 A、B 在仿 真环境中包括 250 个不同梯度值，互相正交且斜 率相同为 1，即每前进 2 km 环境梯度的数值加 1。假设 COMPNOISE 为 15°，即 68% 的罗盘读数 位于真实方向的 以内。GRADINOISE 值为 1.5，表示在所有梯度值的读数中，68% 落在真值 的 1.5 个梯度单元以内，即 范围内。仿真 流程如图 6 所示。 开始 根据式 (3)设置 梯度 A 角度 根据式 (4)设置 梯度 B 角度 根据式 (5)设置 梯度 A 陡度 根据式 (6)设置 梯度 B 陡度 释放模拟鸽子 根据式 (2)测量 当地 A、B 梯度值 与鸽房梯度值比较 确定鸽房方向 根据式 (1)确定 罗盘航向 沿航向飞行 成功归巢 是否飞离 仿真环境 是否飞行超过 最短距离10倍 迷路 是否进入 即时归巢区域 结束 Y N Y N Y 飞行距离超过 步长 进入即时 归巢阶段 是否进入目标 区域范围 N Y Y N N 根据式 (7)确定 步长 图 6 鸽子归巢行为模型仿真流程 Fig. 6 Flow chart of pigeon homing model 图 7(a) 给出了模型仿真的飞行轨迹，鸽子成 功归巢并且飞行轨迹与行为学实验记录的信鸽飞 第 16 卷 智 能 系 统 学 报 ·6·
段海滨，等：仿信鸽归巢行为的导航技术研究进展 第1期 行轨迹近似，表明本文模型的可行性。图7(a)中 3.3信鸽归巢行为与无人机自主导航的机制映射 每个箭头指示的位置为鸽子重定向的位置，中间的 信鸽归巢导航行为与无人机自主导航在任务 距离即Leg Length,由于Leg Length按照式(T随 环境和任务需求上存在着较大的相似性，因此信 机更新，因此箭头间的飞行距离不同。在“即时归 鸽导航行为机制对于无人机在高动态/强干扰环 巢区域”设置了4个模拟的视觉地标，当鸽子到 境下自主导航具有很多借鉴意义：首先，因任务 达“即时归巢区域”边界（图7(b)绿色虚线区 环境相似，未来无人机所受到的干扰因素比如陆 域)时，识别距离最近的地标，并首先飞行至地标 海空天电一体化的复杂作战环境，卫星导航受到 位置，然后按照最优路径直接归巢，如图7b)轨迹 恶意干扰和破坏，城市高楼、山底、峡谷间等环 所示。 境，无人飞行器面临的威胁类型复杂多变，作战 700 模式将呈现多样化，导航信号可能会被拒止、削 650 弱，甚至被欺骗等；而信鸽可以在复杂的环境中 600 飞行并归巢，只依赖自然环境提供的罗盘和地面 550 即时归巢区域 R500 场景信息，其导航机制对于这类特性环境噪声的 0 抗干扰性恰恰也是设计无人机自主导航系统所需 400 要的。同时，也因二者的任务需求类似，信鸽导 Leg Length可变 350 航需要依赖太阳或地磁场提供的罗盘，以及通过 300 计算新航向 释放电 视觉获取的地面场景和特殊地标信息等；而现有 250 的机载设备具备罗盘和惯导系统，能够满足航向 20 400 500 600 00 800900 信息需求，机载光电吊舱系统能够实时获取高分 X单元 (a)鸽子归巢导航的整体飞行轨迹 辨率图像，满足视觉信息需求。 本文在建立信鸽归巢行为模型时，已经考虑 150 了信鸽归巢行为机制与无人机自主导航任务之间 100 地标2 的相似性，因此可以方便地将信鸽导航行为机制 50 映射到无人机自主导航中。本文提出的由于本文 地标1 提出的动态切换3阶段鸽子归巢导航模型，是基 地标3 于信鸽归巢导航过程建立的，并且基于位置熵理 -50 论对于各阶段依赖的导航策略有明确的结论，更 地标4 便于与无人机自主导航建立映射关系。在此基础 -100 上，可以分别建立从Map-and-Compass模型到无 -150 人机基于太阳/磁罗盘定向算法，从Leg Length模 50 -100 -500 50 100150 X×10/单元 型到无人机基于视觉的航位推算算法和从Imme- (b)“即时归巢区域”飞行轨迹 diate Home模型到基于马赛克地图的快速导航的 图7鸽子归巢导航仿真飞行轨迹 算法映射关系，进而实现仿信鸽归巢导航行为机 Fig.7 Simulation flight trajectory of homing pigeon 制的无人机自主导航。如图8所示。 「罗盘 L定向 飞行中 重定向到 规则机制映射 鹛房区城 快速归巢 Map and Compass建模 模态动态切换 基于太阳/磁 仿信鸽归巢机制的 罗盘定向 无人机自主导航 Leg Length ◇3阶段归巢 建模 模型 基于视觉的 航路推算 Immediate Home建模 加入视觉线索 基于视觉认 的拼接地图 图8信鸽归巢归巢行为与无人机自主导航机制映射 Fig.8 Mechanism mapping from pigeon homing behavior to autonomous navigation of UAV
行轨迹近似，表明本文模型的可行性。图 7(a) 中 每个箭头指示的位置为鸽子重定向的位置，中间的 距离即 Leg Length，由于 Leg Length 按照式 (7) 随 机更新，因此箭头间的飞行距离不同。在“即时归 巢区域”设置了 4 个模拟的视觉地标，当鸽子到 达“即时归巢区域”边界 (图 7(b) 绿色虚线区 域) 时，识别距离最近的地标，并首先飞行至地标 位置，然后按照最优路径直接归巢，如图 7(b) 轨迹 所示。 (a) 鸽子归巢导航的整体飞行轨迹 700 400 500 600 700 800 900 即时归巢区域 Leg Length 可变 计算新航向 释放电 Y/单元 Y/单元 X/单元 X×10/单元 650 600 550 500 450 400 150 地标1 地标2 地标3 地标4 H 100 50 0 −50 −100 −150 −150 −100 −50 0 150 50 100 350 300 250 200 (b) “即时归巢区域” 飞行轨迹 图 7 鸽子归巢导航仿真飞行轨迹 Fig. 7 Simulation flight trajectory of homing pigeon 3.3 信鸽归巢行为与无人机自主导航的机制映射 信鸽归巢导航行为与无人机自主导航在任务 环境和任务需求上存在着较大的相似性，因此信 鸽导航行为机制对于无人机在高动态/强干扰环 境下自主导航具有很多借鉴意义：首先，因任务 环境相似，未来无人机所受到的干扰因素比如陆 海空天电一体化的复杂作战环境，卫星导航受到 恶意干扰和破坏，城市高楼、山底、峡谷间等环 境，无人飞行器面临的威胁类型复杂多变，作战 模式将呈现多样化，导航信号可能会被拒止、削 弱，甚至被欺骗等；而信鸽可以在复杂的环境中 飞行并归巢，只依赖自然环境提供的罗盘和地面 场景信息，其导航机制对于这类特性环境噪声的 抗干扰性恰恰也是设计无人机自主导航系统所需 要的。同时，也因二者的任务需求类似，信鸽导 航需要依赖太阳或地磁场提供的罗盘，以及通过 视觉获取的地面场景和特殊地标信息等；而现有 的机载设备具备罗盘和惯导系统，能够满足航向 信息需求，机载光电吊舱系统能够实时获取高分 辨率图像，满足视觉信息需求。 本文在建立信鸽归巢行为模型时，已经考虑 了信鸽归巢行为机制与无人机自主导航任务之间 的相似性，因此可以方便地将信鸽导航行为机制 映射到无人机自主导航中。本文提出的由于本文 提出的动态切换 3 阶段鸽子归巢导航模型，是基 于信鸽归巢导航过程建立的，并且基于位置熵理 论对于各阶段依赖的导航策略有明确的结论，更 便于与无人机自主导航建立映射关系。在此基础 上，可以分别建立从 Map-and-Compass 模型到无 人机基于太阳/磁罗盘定向算法，从 Leg Length 模 型到无人机基于视觉的航位推算算法和从 Immediate Home 模型到基于马赛克地图的快速导航的 算法映射关系，进而实现仿信鸽归巢导航行为机 制的无人机自主导航。如图 8 所示。 罗盘 定向 信鸽归巢 行为机制 飞行中 重定向 规则机制映射 Map and Compass 建模 Leg Length 建模 Immediate Home 建模 模态动态切换 3阶段归巢 模型 加入视觉线索 基于太阳/磁 罗盘定向 基于视觉的 航路推算 基于视觉-认 知的拼接地图 仿信鸽归巢机制的 无人机自主导航 鸽房区域 快速归巢图 8 信鸽归巢归巢行为与无人机自主导航机制映射 Fig. 8 Mechanism mapping from pigeon homing behavior to autonomous navigation of UAV ·7· 段海滨，等：仿信鸽归巢行为的导航技术研究进展 第 1 期
第16卷 智能系统学报 8· 从可行性上考虑，对于Map-and-Compass模 论；对于信鸽导航行为机制的应用的研究，也都 型，现有的仿生导航技术包括仿生偏振光导航和 还处于建模仿真层面，距离实际应用还很遥远。 仿生地磁导航，分别依赖太阳和地磁场实现导 基于信鸽归巢导航行为机制的无人机自主导航方 航，已经取得较大的研究进展，并已经开发出了 面的研究，据笔者所知，国内外还未有相关的研 相应的导航装置，表明通过太阳和地磁场导航的 究。而信鸽导航行为融合了太阳、地磁场、视觉 可行性。利用已有的仿生偏振导航和仿生地磁导 等多种信息，导航能力优于绝大部分生物，因此 航技术，可以模拟信鸽的Map-and-Compass行为， 仿信鸽归巢导航行为实现无人机自主导航无疑有 实现罗盘定向。Leg Length行为实际上是一种典 广泛的应用前景，作者认为还有许多问题有待进 型的“航位推算”行为，信鸽在飞行过程中利用产 一步深入研究： 生的运动信息更新其相对于出发点的位置。由于 1)对现有仿生导航系统的应用。现有的研究 每次的Leg Length只需要计算其相对于更新航向 已经表明信鸽可以依赖太阳和地磁罗盘实现导 时的相对位置，基于同时定位与建图(simultan- 航，并且已经在鸽子体内发现了光感应和磁感应 eous localization and mapping,SLAM技术的视觉 受体。因此，可以借鉴仿生偏振光导航和仿生地 导航为解决这个问题提供了可能。SLAM的前端 磁导航的研究，将其应用到仿信鸽导航系统中， 视觉里程计(visual odometry,VO),通过采集序列 实现“Map-and-Compass”模型到导航定向算法 图像可以实现相对位姿估计，完全符合Leg Length 跨越。 计算的需求2；并且视觉导航具有场景信息丰 2)信鸽视觉通路建模。随着生理学研究的不 富、抗干扰能力强、精度高以及成本低等优点，已 断深入，鸽子视觉系统及其神经系统将更为清晰 经成为无人机导航技术研究的新方向。最后对 准确地被描绘，鸽子视觉信息处理技术将会变得 于Immediate Home模型的实现，其关键在于建立 更加完善，从模拟某个视觉组织或神经通路向更 认知地图，即建立孤立的地标之间及其与鸽房之 深入或更广泛的区域发展，利用信鸽视觉神经回 间的相对位置关系，通常采用拓扑地图来模拟生 路机制建立仿鸽子视觉信息处理模型，通过软硬 物认知地图。拓扑地图是地图导航的一种，在拓 件结合的方式模拟鸽子视觉系统，进而模拟其视 扑地图中，不同位置之间的关系由邻接图表示， 觉导航行为。 因此，通过建立一个拓扑图来表示位置关系是一 3)仿信鸽脑海马结构的认知地图导航。基于 种有效的方法，并且已有大量关于拓扑建图的 生物认知机理的导航是智能导航领域的一个重要 方案26-2刃 研究方向。信鸽在即时归巢区域.可以建立认知 思 地图，通过识别熟悉地标实现快速导航，是一种 4研究展望 典型的认知导航行为。鸽脑内的海马结构在认知 目前关于生物导航机制及其相关应用的研究 地图的构建方面有重要作用，因此模拟鸽脑海马 方兴未艾，然而现有的仿生导航技术主要集中在 结构实现认知建图和导航具有重要的理论研究价 2个方向，即仿生偏振光导航和仿生地磁导航，分 值和实际意义。 别利用太阳光和地磁场实现了相应的导航技术。 随着无人机在侦察、搜救和测绘等方面应用 仿生偏振光导航系统是受昆虫奇特偏振光导航能 的日益广泛和深入，无人机的自主导航技术理论 力的启发，已经有大量的研究，并且国内外均已 和应用研究均有着巨大的发展潜力，基于信鸽导 经开发出基于生物偏振光导航定位机制的新型仿 航行为机制的无人机自主导航技术民用和军用领 生导航传感器和装置。仿生地磁导航具有全区 域都将有着更大的发展空间和需求。 域、全天候、抗干扰能力强及无积累误差的优点； 5结束语 研究人员从生物地磁导航现象、地磁导航机理， 仿生地磁导航定位方法进行了大量的研究，仿生 目前对于仿鸽子智能导航技术的研究已经成 地磁导航方法作为一种重要的辅助性导航方式， 为一个研究热点，今年来该领域不断涌现出新的 在卫星、导弹、航海等领域均有广泛应用。 研究成果，但不论是鸽子视觉系统的生理研究， 对于信鸽导航机制研究，尽管近半个多世纪 还是其机制的建模分析即仿生学的研究，仍存在 以来有着众多突破性的研究进展，但仍停留在生 一些不完善的部分，尤其是关于应用方面的研究 理学、神经学和行为学实验研究层面，并且目前 还处于空白。仿鸽子智能导航的应用研究还处于 为止对于信鸽依赖何种机制进行导航还未有定 刚刚起步状态，还需要不断丰富自身理论，在更
从可行性上考虑，对于 Map-and-Compass 模 型，现有的仿生导航技术包括仿生偏振光导航和 仿生地磁导航，分别依赖太阳和地磁场实现导 航，已经取得较大的研究进展，并已经开发出了 相应的导航装置，表明通过太阳和地磁场导航的 可行性。利用已有的仿生偏振导航和仿生地磁导 航技术，可以模拟信鸽的 Map-and-Compass 行为， 实现罗盘定向。Leg Length 行为实际上是一种典 型的“航位推算”行为，信鸽在飞行过程中利用产 生的运动信息更新其相对于出发点的位置。由于 每次的 Leg Length 只需要计算其相对于更新航向 时的相对位置，基于同时定位与建图 (simultaneous localization and mapping, SLAM) 技术的视觉 导航为解决这个问题提供了可能。SLAM 的前端 视觉里程计 (visual odometry, VO)，通过采集序列 图像可以实现相对位姿估计，完全符合 Leg Length 计算的需求[ 2 5 ] ；并且视觉导航具有场景信息丰 富、抗干扰能力强、精度高以及成本低等优点，已 经成为无人机导航技术研究的新方向。最后对 于 Immediate Home 模型的实现，其关键在于建立 认知地图，即建立孤立的地标之间及其与鸽房之 间的相对位置关系，通常采用拓扑地图来模拟生 物认知地图。拓扑地图是地图导航的一种，在拓 扑地图中，不同位置之间的关系由邻接图表示， 因此，通过建立一个拓扑图来表示位置关系是一 种有效的方法，并且已有大量关于拓扑建图的 方案[26-27]。 4 研究展望 目前关于生物导航机制及其相关应用的研究 方兴未艾，然而现有的仿生导航技术主要集中在 2 个方向，即仿生偏振光导航和仿生地磁导航，分 别利用太阳光和地磁场实现了相应的导航技术。 仿生偏振光导航系统是受昆虫奇特偏振光导航能 力的启发，已经有大量的研究，并且国内外均已 经开发出基于生物偏振光导航定位机制的新型仿 生导航传感器和装置。仿生地磁导航具有全区 域、全天候、抗干扰能力强及无积累误差的优点； 研究人员从生物地磁导航现象、地磁导航机理， 仿生地磁导航定位方法进行了大量的研究，仿生 地磁导航方法作为一种重要的辅助性导航方式， 在卫星、导弹、航海等领域均有广泛应用。 对于信鸽导航机制研究，尽管近半个多世纪 以来有着众多突破性的研究进展，但仍停留在生 理学、神经学和行为学实验研究层面，并且目前 为止对于信鸽依赖何种机制进行导航还未有定 论；对于信鸽导航行为机制的应用的研究，也都 还处于建模仿真层面，距离实际应用还很遥远。 基于信鸽归巢导航行为机制的无人机自主导航方 面的研究，据笔者所知，国内外还未有相关的研 究。而信鸽导航行为融合了太阳、地磁场、视觉 等多种信息，导航能力优于绝大部分生物，因此 仿信鸽归巢导航行为实现无人机自主导航无疑有 广泛的应用前景，作者认为还有许多问题有待进 一步深入研究： 1) 对现有仿生导航系统的应用。现有的研究 已经表明信鸽可以依赖太阳和地磁罗盘实现导 航，并且已经在鸽子体内发现了光感应和磁感应 受体。因此，可以借鉴仿生偏振光导航和仿生地 磁导航的研究，将其应用到仿信鸽导航系统中， 实现“Map-and-Compass”模型到导航定向算法 跨越。 2) 信鸽视觉通路建模。随着生理学研究的不 断深入，鸽子视觉系统及其神经系统将更为清晰 准确地被描绘，鸽子视觉信息处理技术将会变得 更加完善，从模拟某个视觉组织或神经通路向更 深入或更广泛的区域发展，利用信鸽视觉神经回 路机制建立仿鸽子视觉信息处理模型，通过软硬 件结合的方式模拟鸽子视觉系统，进而模拟其视 觉导航行为。 3) 仿信鸽脑海马结构的认知地图导航。基于 生物认知机理的导航是智能导航领域的一个重要 研究方向。信鸽在即时归巢区域，可以建立认知 地图，通过识别熟悉地标实现快速导航，是一种 典型的认知导航行为。鸽脑内的海马结构在认知 地图的构建方面有重要作用，因此模拟鸽脑海马 结构实现认知建图和导航具有重要的理论研究价 值和实际意义。 随着无人机在侦察、搜救和测绘等方面应用 的日益广泛和深入，无人机的自主导航技术理论 和应用研究均有着巨大的发展潜力，基于信鸽导 航行为机制的无人机自主导航技术民用和军用领 域都将有着更大的发展空间和需求。 5 结束语 目前对于仿鸽子智能导航技术的研究已经成 为一个研究热点，今年来该领域不断涌现出新的 研究成果，但不论是鸽子视觉系统的生理研究， 还是其机制的建模分析即仿生学的研究，仍存在 一些不完善的部分，尤其是关于应用方面的研究 还处于空白。仿鸽子智能导航的应用研究还处于 刚刚起步状态，还需要不断丰富自身理论，在更 第 16 卷 智 能 系 统 学 报 ·8·
段海滨，等：仿信鸽归巢行为的导航技术研究进展 第1期 多应用中予以实践。将鸽子智能导航机制映射到 geons[J].Current biology,2009,19(14):1159-1166. 无人机自主导航层面，并进一步实现实际无人机 [13]WILTSCHKO R,WILTSCHKO W.Avian navigation:a 导航应用，还任重道远，因此对于仿鸽子智能机 combination of innate and learned mechanisms[J].Ad- 制的研究与应用工作具有重要的意义。作者未来 vances in the study of behavior,2015,47(1):229-310. [14]BIRO D.MEADE J.GUILFORD T.Familiar route loy 的研究重点将放在对信鸽导航模型的算法实现， 仿鸽视觉-脑信息处理导航机制研究，建立完整 alty implies visual pilotage in the homing pigeon[J].Pro- ceedings of the national academy of sciences,2004, 的仿信鸽归巢行为机制的无人机自主导航系统。 101(50):17440-17443. 参考文献： [15]BIRO D,FREEMAN R,MEADE J,et al.Pigeons com- bine compass and landmark guidance in familiar route naviga- [1]褚金奎，张然，王志文，等.仿生偏振光导航传感器研究 tion[].Proceedings of the national academy of sciences 进展[0.科学通报，2016,61(23)：2568-2577 of the United States of America,2007,104(18): CHU Jinkui,ZHANG Ran,WANG Zhiwen,et al.Pro- 7471-7476. gress on bio-inspired polarized skylight navigation [16]NAGY M,VASARHELYI G,PETTIT B,et al.Context- sensor[J].Chinese science bulletinl,2016,61(23): dependent hierarchies in pigeons[J].Proceedings of the 2568-2577 national academy of sciences of the United States of [2]WILTSCHKO W,WILTSCHKO R.Homing pigeons as a America,2013,110(32:13049-13054 model for avian navigation?[J].Journal of avian biology, [17]WILTSCHKO R,WILTSCHKO W.Avian navigation:a 2017.48(1)66-74 combination of innate and learned mechanisms[J].Ad- [3]KRAMER G.Experiments on bird orientation and their vances in the study of behavior,2015,47(1):229-310. interpretation[J].IBIS,1957,99(2):196-227. [18]NEHMZOW U,WILTSCHKO R.Computer modelling [4]WILTSCHKO R.WILTSCHKO W.Avian magnetic of pigeon navigation according to the "map and com- compass:its functional properties and physical basis[J]. pass"model[J].Orientation and navigation-birds,hu- Current zoology,2010,56(3):265-276. mans and other animals,2001:49-51. [5]WILTSCHKO R.Navigation without technical aids:how [19]WILTSCHKO R,NEHMZOW U.Simulating pigeon pigeons find their way home[J].European journal of nav- navigation[J].Animal behaviour,2005,69(4):813-826. igation,2012,10(2):22-31. [20]POSTLETHWAITE C M.WALKER MM.A geomet- [6]EMLEN S T,EMLEN J T.A technique for recording mi- ric model for initial orientation errors in pigeon naviga- gratory orientation of captive birds[J].The auk,1966, tion[J].Journal of theoretical biology,2011,269(1): 83(3):361-367. 273-279. [7]WALCOTT C,GREEN R P.Orientation of homing pi- [21]POSTLETHWAITE C M.WALKER MM.A model for geons altered by a change in the direction of an applied navigational errors in complex environmental fieldsfJ. magnetic field[J].Science,1974,184(4133):180-182. Journal of theoretical biology,2014,363(1):134-144. [8]LEFELDT N.DREYER D.SCHNEIDER NL.et al.Mi- [22]ROBERTS S,GUILFORD T,REZEK I,et al.Position- gratory blackcaps tested in emlen funnels can orient at 85 al entropy during pigeon homing I:application of but not at 88 degrees magnetic inclination[J].Journal of bayesian latent state modelling[J].Journal of theoretical experimental biology,2014,218(2):206-211. biology,2004,2271):39-50. [9]WILTSCHKO W.WILTSCHKO R.The role of outward [23]GUILFORD T,ROBERTS S,BIRO D,et al.Positional journey information in the orientation of homing entropy during pigeon homing II:navigational interpret- pigeons[M].PAPI F,WALLRAFF H G.Avian Naviga- ation of bayesian latent state models[J].Journal of theor- tion.Berlin,Heidelberg,Germany:Springer,1982: etical biology,2004,227(1):25-38. 239-252. [24]DUAN Haibin,QIAO Peixin.Pigeon-inspired optimiza- [10]WILTSCHKO R.WALKER M.WILTSCHKO W.Sun- tion:a new swarm intelligence optimizer for air robot compass orientation in homing pigeons:compensation path planning[J].International journal of intelligent com- for different rates of change in azimuth?[J].The journal puting and cybernetics,2014,7(1):24-37. of experimental biology,2000,203(5):889-894. [25] FORSTER C,PIZZOLI M.SCARAMUZZA D.SVO: [11]LIPP H P.VYSSOTSKI A L.WOLFER D P.et al.Pi- fast semi-direct monocular visual odometry[C]//Proceed- geon homing along highways and exits[J].Current bio- ings of the IEEE International Conference on Robotics 1ogy,2004,14(14)1239-1249. and Automation.Hong Kong,China,2014:15-22. [12]VYSSOTSKI A L.DELL'OMO G.DELL'ARICCIA G. [26]LOWRY S,SUNDERHAUF N.NEWMAN P.et al et al.EEG responses to visual landmarks in flying pi- Visual place recognition:a survey[J].IEEE transactions
多应用中予以实践。将鸽子智能导航机制映射到 无人机自主导航层面，并进一步实现实际无人机 导航应用，还任重道远，因此对于仿鸽子智能机 制的研究与应用工作具有重要的意义。作者未来 的研究重点将放在对信鸽导航模型的算法实现， 仿鸽视觉−脑信息处理导航机制研究，建立完整 的仿信鸽归巢行为机制的无人机自主导航系统。 参考文献： 褚金奎, 张然, 王志文, 等. 仿生偏振光导航传感器研究 进展 [J]. 科学通报, 2016, 61(23): 2568–2577. CHU Jinkui, ZHANG Ran, WANG Zhiwen, et al. Progress on bio—inspired polarized skylight navigation sensor[J]. Chinese science bulletinl, 2016, 61(23): 2568–2577. [1] WILTSCHKO W, WILTSCHKO R. Homing pigeons as a model for avian navigation?[J]. Journal of avian biology, 2017, 48(1): 66–74. [2] KRAMER G. Experiments on bird orientation and their interpretation[J]. IBIS, 1957, 99(2): 196–227. [3] WILTSCHKO R, WILTSCHKO W. Avian magnetic compass: its functional properties and physical basis[J]. Current zoology, 2010, 56(3): 265–276. [4] WILTSCHKO R. Navigation without technical aids: how pigeons find their way home[J]. European journal of navigation, 2012, 10(2): 22–31. [5] EMLEN S T, EMLEN J T. A technique for recording migratory orientation of captive birds[J]. The auk, 1966, 83(3): 361–367. [6] WALCOTT C, GREEN R P. Orientation of homing pigeons altered by a change in the direction of an applied magnetic field[J]. Science, 1974, 184(4133): 180–182. [7] LEFELDT N, DREYER D, SCHNEIDER N L, et al. Migratory blackcaps tested in emlen funnels can orient at 85 but not at 88 degrees magnetic inclination[J]. Journal of experimental biology, 2014, 218(2): 206–211. [8] WILTSCHKO W, WILTSCHKO R. The role of outward journey information in the orientation of homing pigeons[M]. PAPI F, WALLRAFF H G. Avian Navigation. Berlin, Heidelberg, Germany: Springer, 1982: 239–252. [9] WILTSCHKO R, WALKER M, WILTSCHKO W. Suncompass orientation in homing pigeons: compensation for different rates of change in azimuth?[J]. The journal of experimental biology, 2000, 203(5): 889–894. [10] LIPP H P, VYSSOTSKI A L, WOLFER D P, et al. Pigeon homing along highways and exits[J]. Current biology, 2004, 14(14): 1239–1249. [11] VYSSOTSKI A L, DELL'OMO G, DELL'ARICCIA G, et al. EEG responses to visual landmarks in flying pi- [12] geons[J]. Current biology, 2009, 19(14): 1159–1166. WILTSCHKO R, WILTSCHKO W. Avian navigation: a combination of innate and learned mechanisms[J]. Advances in the study of behavior, 2015, 47(1): 229–310. [13] BIRO D, MEADE J, GUILFORD T. Familiar route loyalty implies visual pilotage in the homing pigeon[J]. Proceedings of the national academy of sciences, 2004, 101(50): 17440–17443. [14] BIRO D, FREEMAN R, MEADE J, et al. Pigeons combine compass and landmark guidance in familiar route navigation[J]. Proceedings of the national academy of sciences of the United States of America, 2007, 104(18): 7471–7476. [15] NAGY M, VÁSÁRHELYI G, PETTIT B, et al. Contextdependent hierarchies in pigeons[J]. Proceedings of the national academy of sciences of the United States of America, 2013, 110(32): 13049–13054. [16] WILTSCHKO R, WILTSCHKO W. Avian navigation: a combination of innate and learned mechanisms[J]. Advances in the study of behavior, 2015, 47(1): 229–310. [17] NEHMZOW U, WILTSCHKO R. Computer modelling of pigeon navigation according to the “map and compass” model[J]. Orientation and navigation-birds, humans and other animals, 2001: 49–51. [18] WILTSCHKO R, NEHMZOW U. Simulating pigeon navigation[J]. Animal behaviour, 2005, 69(4): 813–826. [19] POSTLETHWAITE C M, WALKER M M. A geometric model for initial orientation errors in pigeon navigation[J]. Journal of theoretical biology, 2011, 269(1): 273–279. [20] POSTLETHWAITE C M, WALKER M M. A model for navigational errors in complex environmental fields[J]. Journal of theoretical biology, 2014, 363(1): 134–144. [21] ROBERTS S, GUILFORD T, REZEK I, et al. Positional entropy during pigeon homing I: application of bayesian latent state modelling[J]. Journal of theoretical biology, 2004, 227(1): 39–50. [22] GUILFORD T, ROBERTS S, BIRO D, et al. Positional entropy during pigeon homing Ⅱ: navigational interpretation of bayesian latent state models[J]. Journal of theoretical biology, 2004, 227(1): 25–38. [23] DUAN Haibin, QIAO Peixin. Pigeon-inspired optimization: a new swarm intelligence optimizer for air robot path planning[J]. International journal of intelligent computing and cybernetics, 2014, 7(1): 24–37. [24] FORSTER C, PIZZOLI M, SCARAMUZZA D. SVO: fast semi-direct monocular visual odometry[C]//Proceedings of the IEEE International Conference on Robotics and Automation. Hong Kong, China, 2014: 15–22. [25] LOWRY S, SÜNDERHAUF N, NEWMAN P, et al. Visual place recognition: a survey[J]. IEEE transactions [26] ·9· 段海滨，等：仿信鸽归巢行为的导航技术研究进展 第 1 期
第16卷 智能系统学报 ·10· on robotics,2015,32(1):1-19 辛龙，博士研究生，主要研究方向 [27]ULRICH I,NOURBAKHSH I.Appearance-based place 为仿生视觉与人工智能、无人机导航 与制导。 recognition for topological localization[Cl//Proceedings of IEEE International Conference on Robotics and Auto- mation.San Francisco,USA,2000:1023-1029 作者简介： 段海滨，教授，博士生导师，主要 邓亦敏，讲师，主要研究方向为仿 研究方向为无人机集群自主控制、计 生视觉与人工智能、无人机导航与制 算机仿生视觉与智能感知、仿生智能 导。 计算理论及应用。主持国家自然科学 基金重点项目等多项课题。发表学术 论文80余篇，出版《基于群体智能的 无人机集群自主控制》等学术专著3部。 第七届EEE云计算与智能系统国际会议 IEEE the 7th International Conference on Cloud Computing and Intelligent Systems 由中国人工智能学会与EEE北京分会共同主办，西安电子科技大学承办、西安民用航天基地管理委员 会协办的2021年第七届EEE云计算与智能系统国际会议将于2021年11月6日至7日在中国西安举办。 即日起至2021年7月31日，会议将面向全球征集稿件，经会议审稿后录用的稿件将由IEEE出版，符合 IEEE标准的会议论文可纳入IEEE Xplore数字图书馆。优秀论文将推荐至大会合作的World Wide Web Journal、Chinese Journal of Electronics、China Communications等SCI期f刊。 该会议旨在对云计算、人工智能的前沿技术和热点问题进行深入研究和探讨，以促进相关技术和产业的 发展。为扩大云计算与智能科学技术领域的国际交流和合作，增强该领域内的学术影响，并给国际同行提 供一个交流的平台，使参会者了解最新的学术动态，分享最新的研究成果。 云计算与智能系统国际会议已在北京、杭州、深圳、香港、新加坡成功举办六届。本届会议将邀请中国 工程院院士李德毅、中国科学院院士黄维、西安电子科技大学副校长石光明等顶尖AI领域学者担任主席。 会议诚邀各界同行投稿。 主要领域（但不限于此）： 1)Computational Intelligence;2)Cloud Computing and Big Data Analysis;3)Big Data Models and Algorithms;4) Deep Learning;5)Machine Learning;6)Parallel and Distributed Computing;7)Neural Networks and Learning Systems:8)Evolving Neural Networks:9)Neural Network Applications:10)Big Data Security and Privacy:11 )Com- puter Vision;12)Information Retrieval and Recommendation;13)Data Mining;14)Pattern Recognition and Image Pro- cessing,15)Human-Computer Interaction;16)Brain and Cognitive Science;17)Agents and Multi-Agent Systems;18) Complex System and Network;19)Smart Grid Control System;20)Smart City IoT;21)Intelligent Manufacturing:22) Hybrid Intelligence 投稿要求： 1)论文未曾在国内外杂志或会议上发表。 2)稿件写作必须使用英文，并严格按照模板要求进行排版。 3)投稿系统网址为：http:/202 Iccis.csp.escience.cn/dct/page/1l。 时间节点： 论文投稿截止日期：2021年7月31日 论文录用通知日期：2021年8月31日 会议注册/终稿提交截止日期：2021年9月30日 会议召开日期：2021年11月6日-7日
on robotics, 2015, 32(1): 1–19. ULRICH I, NOURBAKHSH I. Appearance-based place recognition for topological localization[C]//Proceedings of IEEE International Conference on Robotics and Automation. San Francisco, USA, 2000: 1023–1029. [27] 作者简介： 段海滨，教授，博士生导师，主要 研究方向为无人机集群自主控制、计 算机仿生视觉与智能感知、仿生智能 计算理论及应用。主持国家自然科学 基金重点项目等多项课题。发表学术 论文 80 余篇，出版《基于群体智能的 无人机集群自主控制》等学术专著 3 部。 辛龙，博士研究生，主要研究方向 为仿生视觉与人工智能、无人机导航 与制导。 邓亦敏，讲师，主要研究方向为仿 生视觉与人工智能、无人机导航与制 导。 第七届 IEEE 云计算与智能系统国际会议 IEEE the 7th International Conference on Cloud Computing and Intelligent Systems 由中国人工智能学会与 IEEE 北京分会共同主办，西安电子科技大学承办、西安民用航天基地管理委员 会协办的 2021 年第七届 IEEE 云计算与智能系统国际会议将于 2021 年 11 月 6 日至 7 日在中国西安举办。 即日起至 2021 年 7 月 31 日，会议将面向全球征集稿件，经会议审稿后录用的稿件将由 IEEE 出版，符合 IEEE 标准的会议论文可纳入 IEEE Xplore 数字图书馆。优秀论文将推荐至大会合作的 World Wide Web Journal、Chinese Journal of Electronics、China Communications 等 SCI 期刊。 该会议旨在对云计算、人工智能的前沿技术和热点问题进行深入研究和探讨，以促进相关技术和产业的 发展。为扩大云计算与智能科学技术领域的国际交流和合作，增强该领域内的学术影响，并给国际同行提 供一个交流的平台，使参会者了解最新的学术动态，分享最新的研究成果。 云计算与智能系统国际会议已在北京、杭州、深圳、香港、新加坡成功举办六届。本届会议将邀请中国 工程院院士李德毅、中国科学院院士黄维、西安电子科技大学副校长石光明等顶尖 AI 领域学者担任主席。 会议诚邀各界同行投稿。 主要领域（但不限于此）: 1)Computational Intelligence;2)Cloud Computing and Big Data Analysis;3)Big Data Models and Algorithms;4） Deep Learning;5）Machine Learning;6）Parallel and Distributed Computing;7）Neural Networks and Learning Systems;8）Evolving Neural Networks; 9）Neural Network Applications;10）Big Data Security and Privacy;11）Computer Vision;12）Information Retrieval and Recommendation;13）Data Mining;14）Pattern Recognition and Image Processing;15）Human-Computer Interaction;16）Brain and Cognitive Science;17）Agents and Multi-Agent Systems; 18） Complex System and Network;19）Smart Grid Control System;20）Smart City & IoT;21）Intelligent Manufacturing;22） Hybrid Intelligence 投稿要求： 1）论文未曾在国内外杂志或会议上发表。 2）稿件写作必须使用英文，并严格按照模板要求进行排版。 3）投稿系统网址为:http://2021ccis.csp.escience.cn/dct/page/1。 时间节点： 论文投稿截止日期: 2021 年 7 月 31 日 论文录用通知日期: 2021 年 8 月 31 日 会议注册/终稿提交截止日期: 2021 年 9 月 30 日 会议召开日期：2021 年 11 月 6 日-7 日 第 16 卷 智 能 系 统 学 报 ·10·