ربات‌ها با تلاش محققان، سیستم مغزی جدیدی را با الهام از پرندگان و مورچه‌ها برای مسیریابی بدون GPS دریافت می‌کنند. این سیستم جدید الهام گرفته از حیوانات، به ربات‌ها اجازه می‌دهد بدون GPS در محیط‌های دشوار مسیریابی کنند.
محققان یک سیستم مسیریابی جدید را بر اساس نحوه مسیریابی برخی حیوانات در دنیای اطراف خود ساخته‌اند. این کشف که عمدتاً روی حیواناتی مانند مورچه‌ها، پرندگان و موش‌ها متمرکز است، می‌تواند به ربات‌ها کمک کند تا در مناطقی که سیستم موقعیت‌یابی جهانی سنتی (GPS) در آن‌ها با مشکل مواجه است، مسیریابی کنند. به نقل از آی‌ای، در حال حاضر، سیستم‌های مسیریابی غیر GPS مانند دوربین‌ها و حسگرها در صورت کمبود دید، معمولاً از کار می‌افتند. آن‌ها همچنین در معرض کثیف شدن یا آسیب دیدن هستند. 
در هسته اصلی این ایده، فراهم کردن افزونگی برای ربات‌ها در سیستم‌های مسیریابی است. در عوض، ربات‌ها می‌توانند از استفاده از سه سیستم هم‌پوشان بهره‌مند شوند که اگر یکی از آن‌ها از کار بیفتد، بقیه به‌طور خودکار آن را جبران می‌کنند.
در زیست‌شناسی، به این «پدیده تباهی» یا «تبهگنی» (degeneracy) می‌گویند که در آن چندین سیستم برای تضمین بقا، کارهای مشابهی انجام می‌دهند. این نخستین سیستم مسیریابی الهام‌گرفته از حیوانات است که از مورچه‌ها ایده گرفته است.
 مسیریابی الهام‌گرفته از مورچه‌ها برای ربات‌ها
مورچه‌ها می‌توانند گام‌ها و جهت خود را به‌صورت درونی ردیابی کنند تا بدانند که نسبت به لانه در کجا قرار دارند. محققان برای این منظور، یک شبکه عصبی مشابه (سخت‌افزار کم‌مصرف و شبیه به مغز) ساختند. این شبکه مانند یک گام‌شمار داخلی فوق‌العاده قوی عمل می‌کند که حتی زمانی که حسگرها پرسروصدا هستند، به ردیابی ادامه می‌دهد.
مورد دوم از دنیای پرندگان می‌آید. پرندگان مهاجر از چندین نشانه به‌طور هم‌زمان برای دانستن جهت، از جمله تشخیص میدان مغناطیسی زمین استفاده می‌کنند. آن‌ها همچنین قادر به تشخیص و جهت‌یابی با استفاده از نور قطبی، موقعیت خورشید و استفاده هوشمندانه از نشانه‌ها هستند. این تیم استدلال می‌کند که ربات‌ها می‌توانند این توانایی‌ها را با استفاده از یک مغناطیس‌سنج کوانتومی که جهت میدان مغناطیسی را تشخیص می‌دهد، تقلید کنند. اگر یک حسگر از کار بیفتد (مثلاً دوربین از کار بایستد)، بقیه فوراً کنترل را به دست می‌گیرند. سومین و آخرین سیستم مسیریابی الهام‌گرفته از طبیعت، از جوندگان گرفته شده است. موش‌ها قادر به ساخت نقشه‌های شناختی در هیپوکامپ خود هستند و سپس فقط زمانی که چیز مهمی تغییر می‌کند، آن‌ها را به‌روزرسانی می‌کنند. این سیستم مسیریابی جدید ربات‌ها می‌تواند با ساخت نقشه، فقط زمانی که نشانه‌های مهم را می‌بیند، کار مشابهی را انجام دهد.
 کار بیشتری لازم است
این سیستم به صرفه‌جویی در انرژی، کاهش بار پردازش و حفظ پایداری مسیریابی در محیط‌های شلوغ کمک می‌کند. این در مقایسه با سیستم SLAM که دائماً نقشه‌ها را با استفاده از انرژی زیادی به‌روزرسانی می‌کند، بسیار کارآمد است. در حالی که این سیستم در حال حاضر در حد تئوری است، می‌تواند برای نقش‌های مهم مختلفی در آینده مورداستفاده قرار گیرد. به عنوان مثال می‌تواند شامل مواردی مانند جست‌وجو و نجات در ساختمان‌های فروریخته، کاوشگرهای سیاره‌ای، ربات‌های اعماق دریا و بازرسی صنعتی در مکان‌های تاریک، غبارآلود و آشفته باشد. این تیم با نگاه به آینده به‌دنبال توسعه یادگیری مداوم روی تراشه (برای عمل کردن مانند مغز) است. شیکدر چاندان (Sheikder Chandan)، نویسنده ارشد این مطالعه می‌گوید: در حال حاضر، وزن‌های عصبی سیستم ما تا حد زیادی از پیش پیکربندی شده‌اند، اما سیستم‌های بیولوژیکی به‌طور مداوم از طریق انعطاف‌پذیری سیناپسی یاد می‌گیرند و سازگار می‌شوند.