Comment les abeilles résolvent-elles des problèmes de navigation en 3D? – 3DNaviBee

Nous appliquerons les méthodes et approches suivantes pour atteindre les objectifs visés et valider l'hypothèse formulées plus haut :
1. Développement d'une nouvelle méthodologie pour enregistrer et analyser les mouvements 3D des abeilles sur plusieurs centaines de mètres sur la base d’une nouvelle application radar. Cette approche permettra l’implémentation de nouveaux types d’expériences de navigation avec des bourdons en laboratoire et sur le terrain, ainsi que le développement d’analyses statistiques non supervisées de trajectoires 3D à haute résolution.
2.Réalisation d'expériences sur la navigation 3D des bourdons à plusieurs échelles spatiales et dans plusieurs contextes motivationnels, durant les phases d’orientation, de recherche pour des ressources, de développement de routes de butinage, et de retour au nid. Cette approche apportera des informations totalement nouvelles sur l’importance du contrôle de l’attitude pour la prise d’information et la prise de décisions par les bourdons, impossibles à obtenir avec les méthodologies actuelles.
3. Elaboration d'un modèle informatique de navigation 3D basé sur nos données empiriques. Ce modèle constituera le premier cadre théorique pour étudier les mécanismes computationnels que des cerveaux miniatures utilisent pour naviguer en 3D à des échelles spatiales pertinentes au niveau écologique.

Pour la première fois, à l'aide du radar à ondes millimétriques mis au point dans la tâche 2 du projet 3DNaviBee, nous sommes parvenus à déterminer la trajectoire 3D de bourdons non munis de transpondeur ou de tag et volant à l'intérieur d'une grande tente.

3DNaviBee pourrait avoir un très fort impact dans la recherche fondamentale en ingénierie électrique en démontrant que la technologie radar permet de suivre des petites cibles (bourdons) non équipées de tags et se déplaçant rapidement dans l’espace 3D avec une forte résolution spatio-temporelle. Cette méthodologie permettra d’obtenir de nouvelles connaissances fondamentales sur la biologie de pollinisateurs majeurs, de poser de nouvelles questions sur la navigation des insectes en milieu naturel, et d’explorer de nouveaux horizons en écologie du mouvement. A plus long terme, notre méthodologie pourrait représenter un tournant en éthologie quantitative car elle pourra être facilement modifiée pour être appliquée à une grande variété d’animaux. Enfin, nos modèles pourraient se révéler utiles pour améliorer les pratiques de pollinisations et les plans de conservation dans le contexte inquiétant du déclin généralisé des pollinisateurs.

1. Even N, Bertrand O, Lihoreau M (2020) Navigation by honey bees. In « Encyclopedia of Animal Cognition and Behavior » (Vonk J, Shackelford TK eds). Springer.
2. Brebner J, Makinson J, Bates O, Rossi N, Lim KS, Dubois T, Gomez-Moracho T, Lihoreau M, Chittka L, Woodgate J (In press). Bumblebees strategically use ground-level linear features in navigation. Animal Behaviour.
3. Dore A, Pasquaretta C, Henry D, Ricard E, Bompard JF, Bonneau M, Boissy A, Hazard D, Aubert H, Lihoreau M (2020). A non-invasive radar system for automated behavioural tracking. bioRxiv. doi:10.1101/2020.12.09.418038.

Comment les animaux acquièrent, traitent et combinent les informations de leur environnement pour naviguer efficacement est une question fondamentale en biologie. Pour des insectes au cerveau miniature, naviguer n’implique pas nécessairement de résoudre des opérations cognitives complexes mais pourrait au contraire émaner de la combinaison optimisée de mécanismes relativement simples impliquant la vision. Bien que la quasi-totalité des connaissances actuelles sur la navigation des insectes ait été déduite d’observations en 2D, de nombreux insectes naviguent en 3D. Pour un insecte volant, comme par exemple une abeille, un gain d’altitude peut permettre de voir plus loin au-dessus des arbres, d’accéder à des repères visuels additionnels sur le sol, mais peut également profondément modifier la perception des distances parcourus.
L’objectif général de 3DNaviBee est de comprendre comment les insectes volants utilisent l’information visuelle pour naviguer en 3D dans différents contextes et à différentes échelles spatiales. Nous allons nous focaliser sur le bourdon (Bombus terrestris), un organisme modèle pour la recherche sur la cognition et la navigation des insectes, qui montre des comportements spatiaux sophistiqués et peut être manipuler facilement dans des dispositifs expérimentaux toute l’année. Lorsqu’ils butinent, les bourdons réalisent des séquences comportementales complexes(orientation, exploration, et de suivi de routes familières). Nous faisons l’hypothèse que les bourdons peuvent ajuster leur altitude de vol de manière sélective afin d’utiliser l’information visuelle dépendante de la hauteur dans différents contextes de la navigation.
Pour tester cette hypothèse, une équipe d’ingénieurs en électronique, de neuroéthologues, d’écologistes de la cognition et de biologistes computationnels des universités de Toulouse (France) et Bielefeld (Germany) va coopérer autour de trois buts:

But 1. Développer une nouvelle méthodologie pour enregistrer et analyser les mouvements 3D des abeilles sur plusieurs centaines de mètres sur la base d’une nouvelle application radar. Cette approche permettra l’implémentation de nouveaux types d’expériences de navigation avec des bourdons en laboratoire et sur le terrain, ainsi que le développement d’analyses statistiques de trajectoires 3D à haute résolution.

But 2. Réaliser des expériences sur la navigation 3D des bourdons à plusieurs échelles spatiales et dans plusieurs contextes, durant les phases d’orientation, de recherche pour des ressources, de développement de routes de butinage, et de retour au nid. Cette approche apportera des informations totalement nouvelles sur l’importance du contrôle de l’attitude pour la prise d’information et de décisions par les bourdons, impossibles à obtenir avec les méthodologies actuelles.

But 3. Construire un modèle informatique de navigation 3D basé sur nos données empiriques. Ce modèle posera un cadre théorique pour étudier les mécanismes computationnels que des cerveaux miniatures utilisent pour naviguer en 3D à des échelles spatiales pertinentes au niveau écologique.

3DNaviBee pourrait avoir un très fort impact dans la recherche fondamentale en ingénierie électrique en démontrant que la technologie radar permet de suivre des petites cibles (bourdons) non équipées de tags et se déplaçant rapidement dans l’espace 3D avec une forte résolution spatio-temporelle. Cette méthodologie permettra d’obtenir de nouvelles connaissances fondamentales sur la biologie de pollinisateurs, de poser de nouvelles questions sur la navigation des insectes en milieu naturel, et d’explorer de nouveaux horizons en écologie du mouvement. A plus long terme, modifier notre méthodologie à une grande variété d’animaux pourrait représenter un tournant en éthologie quantitative. Enfin, nos modèles pourraient se révéler utiles pour améliorer les pratiques de pollinisations et les plans de conservation dans le contexte inquiétant du déclin généralisé des pollinisateurs.