机器人与具身智能
突破级
有讲解视频
收录解读
这篇 Nature 论文把昆虫学习飞行中的视觉归巢原则转成可部署的机器人导航策略 Bee-Nav。系统用路径积分提供 home vector，再用训练于等价 learning flights 的微型神经网络修正漂移。
关键工程结果是资源约束极强：室内外小型无人机实验中，3.4 kB 与 42 kB 级网络就能支撑 30-110 m 与部分 200-600 m windy flights 的归航。它不是大模型路线，而是极小模型、极低算力的 embodied navigation primitive。
它值得正式收录，因为它连接了神经行为学、tiny neural networks 与真实机器人导航，为小型无人机和低功耗 embodied agents 提供了可复用的视觉记忆/路径积分混合范式。
它没有更高，是因为任务主要是 home-return navigation；能否扩展到多目标、动态障碍、复杂语义任务和通用机器人策略，还需要更多验证。