New drone navigation system that uses neither GPS nor maps/Nuevo sistema de orientación para drones que no usa GPS ni mapas

Source
By now, we must acknowledge that drones are becoming increasingly popular toys; initially gaining traction as harmless flying devices for capturing spectacular images, they have since evolved into increasingly powerful weapons—to the point of altering the course of wars. Now, they can even be equipped with a navigation system that does not rely on GPS or maps to determine their location and heading at any given moment. This system is called Bee-Nav, a new navigation technology inspired by bees.

A estas alturas hemos de reconocer que los drones son un juguete cada vez más popular, primero empezaron a popularizarse como inocentes aparatos voladores para obtener imágenes espectaculares y ahora se han convertido en un arma cada vez más potente hasta el punto de cambiar el curso de la guerras. A partir de ahora, incluso se les puede instalar un sistema de navegación que no depende del uso del GPS o los mapas para saber en todo momento donde está y a donde se dirige. Se trata Bee-Nav un nuevo sistema de navegación inspirado en la abejas.

A group of researchers from Delft University of Technology (TU Delft) in the Netherlands, in collaboration with biologists from other universities, has developed a drone navigation system called Bee-Nav. This system is inspired by the remarkable ability of bees to return to their hive. Bee-Nav is a visual navigation system that mimics the behavior of bees during their initial learning flights. Before a long mission, the drone performs a short flight near its "home" (starting point). During this flight, it uses an omnidirectional camera to capture panoramic images of the surroundings from various positions.

Un grupo de investigadores de la Universidad Técnica de Delft (TU Delft) en Países Bajos, en colaboración con biólogos de otras universidades han desarrollado un sistema de navegación para drones llamado Bee-Nav. Este sistema se inspira en la asombrosa capacidad de las abejas para regresar a su colmena. Bee-Nav es un sistema de navegación visual que imita el comportamiento de las abejas en sus primeros vuelos de aprendizaje. Antes de una misión larga, el dron realiza un breve vuelo cerca de su "hogar" (punto de partida). Durante este vuelo, utiliza una cámara omnidireccional para capturar imágenes panorámicas del entorno desde diferentes posiciones.

Source
Simultaneously, the drone uses odometry (estimating distance and direction via visual movement, much like a "pedometer") to track its position relative to "home" at any given moment. Odometry involves using motion sensors (such as wheel encoders) to estimate a vehicle or robot's position and orientation relative to its starting point. All this information—images and the direction/distance vector to home—is used to train a small onboard convolutional neural network. This network learns to directly associate what the drone "sees" (a panoramic image) with the precise direction and distance needed to return home, effectively creating a navigation vector.

Simultáneamente, el dron utiliza la odometría (estimando la distancia y dirección mediante el movimiento visual, como un "cuentapasos") para saber su posición relativa al hogar en cada momento. La odometría es el uso de sensores de movimiento (como codificadores o encoders en las ruedas) para estimar la posición y orientación de un vehículo o robot en relación con su punto de partida. Toda esta información (imagen y vector de dirección/distancia al hogar) se usa para entrenar una pequeña red neuronal convolucional a bordo. Esta red aprende a asociar directamente lo que "ve" (una imagen panorámica) con la dirección y distancia exactas para regresar a casa, como un vector de navegación.

The system is self-supervised because the drone itself generates the training data during a learning flight, making the process fast and efficient. Following this training, the drone is capable of long-range flights; to return, it initially relies on odometry to approach its home zone. Although odometry is imprecise and accumulates errors (drift) over distance, the drone corrects this drift when real-time images match the "memory" within its neural network, guiding it back to the exact location. All of this is achieved using just 42 kilobytes of memory, demonstrating extreme efficiency.

El sistema es auto-supervisado porque el propio dron genera los datos de entrenamiento durante el vuelo de aprendizaje, lo que permite que el proceso sea rápido y eficiente. Después de este entrenamiento, el dron ya puede realizar vuelos largos y, para regresar, primero confía en la odometría para aproximarse a la zona de su hogar. Aunque la odometría es imprecisa y acumula errores (deriva) con la distancia, el dron corrige esta deriva cuando sus imágenes captadas en tiempo real coinciden con la "memoria" de su red neuronal, guiándolo de vuelta al punto exacto. Todo esto se logra con una memoria de solo 42 kilobytes, demostrando una eficiencia extrema.

Source
Bee-Nav’s efficiency is its key advantage, as it avoids the need for heavy, power-hungry systems, thereby opening the door to practical applications for small, autonomous drones. It would be ideal for small drones to monitor greenhouses and crops, detecting diseases or pests early and safely without requiring expensive navigation infrastructure. It could also navigate warehouses or large hangars where GPS fails—conducting inventory or structural inspections—or assist in search-and-rescue operations within collapsed buildings or areas where GPS signals are blocked or unreliable; naturally, it could also be used for military purposes.

La eficiencia de Bee-Nav es su principal ventaja, ya que evita sistemas pesados y que consumen mucha energía, abriendo la puerta a aplicaciones prácticas para drones pequeños y autónomos. Sería ideal para que pequeños drones monitoreen invernaderos y cultivos, detectando enfermedades o plagas de forma temprana y segura sin necesidad de una costosa infraestructura de navegación. También podría navegar por almacenes o grandes hangares donde el GPS no funciona, para inspecciones de inventario o de estructuras o ayudar en la búsqueda de personas en edificios colapsados o en áreas donde las señales de GPS están bloqueadas o son poco fiables y por supuesto, usarse con fines militares.

Although results are highly positive indoors, outdoor tests revealed that the system is sensitive to adverse conditions. Wind, for instance, forces the drone to tilt, distorting panoramic images and reducing the return success rate to 70% for flights of up to 600 meters—compared to 100% indoors. Researchers note that the system needs to be made more robust to reliably handle real-world conditions. Yet, there is no doubt that Bee-Nav represents a paradigm shift, demonstrating that efficient, autonomous navigation does not require massive maps or powerful computers, but rather intelligent, nature-inspired solutions.

Aunque los resultados son muy positivos en interiores, las pruebas al aire libre mostraron que el sistema es sensible a condiciones adversas. El viento, por ejemplo, fuerza al dron a inclinarse, lo que distorsiona las imágenes panorámicas y redujo la tasa de éxito de regreso a un 70% en vuelos de hasta 600 metros, en comparación con el 100% en interiores. Los investigadores señalan que el sistema debe hacerse más robusto para enfrentar de manera fiable las condiciones del mundo real. Pero no cabe duda de que Bee-Nav representa un cambio de paradigma, mostrando que la navegación autónoma y eficiente no requiere grandes mapas o potentes ordenadores, sino soluciones inteligentes inspiradas en la naturaleza.

More information/Más información
https://www.nature.com/articles/s41586-026-10461-3

https://es.wired.com/articulos/las-abejas-inspiran-este-nuevo-sistema-de-orientacion-para-drones-pequenos-que-no-usa-gps-ni-mapas