在麻省理工學院計算機科學與人工智能實驗室（MIT’s Computer Science and Artificial Intelligence Laboratory， MIT CSAIL），一隊研究人員已經開發出一種名為“NanoMap”的系統。 在借鑒無人駕駛汽車情況的基礎上，NanoMap 能夠通過使得無人機不斷定位，達到讓其不斷躲避障礙的目的，讓無人機在復雜的環境中能每小時持續飛行 20 英里。研究小組正在研究特定的用例，包括搜索和救援場景、防御和娛樂。使用無人機的快遞公司可以將這種技術用于人口稠密地區。
研究生皮特.弗洛倫斯（Pete Florence）最近發表了一篇基于類似想法的研究論文。身為這篇論文的主要作者，弗洛倫斯表示，在密集擁擠的環境中，這里采用的方法遠比基于地圖的傳統導航更為可靠。 他說：“想要無人機在人類環境中高速運行，過于詳細確切的地圖沒什么用。無人機越能覺察其不確定性，我們越能夠避開障礙以及實現近距離飛行。 NanoMap 究竟是如何工作的呢？ 據麻省理工學院表示，利用深度感應（depth-sensing），NanoMap 能對無人機四周進行不間斷的測量。而這也使得它在做下一個決定的同時還能提前為更長遠的行動做規劃。 “這就像把你所看到的世界上所有的圖像都保存在腦海中，”弗洛倫斯解釋道，“對于要計劃其運動的無人機來說，它們本質上就是回到過去，在有限的時間內單獨思考它們所待過的各處地方。” NanoMap 實現了無人機事故率從 25% 到 2% 的明顯下降。這是個非凡的成績，而急于讓無人機在狹窄的市內環境中穿梭的無人機快遞公司應該也迫不及待想試試這個系統。 以前，在密集的環境中，流行的避障方法主要依賴于SLAM（同步定位和映射）技術。這種技術可以轉化無人機周圍環境的數據，并生成用于導航的地圖。 然而，根據麻省理工學院的說法，SLAM 技術沒那么可靠，且對高速運轉的無人機也沒那么有用。另一方面，為了縮短處理時間、加快反應速度，NanoMap 只會為無人機的接下來幾步做打算。接下來的幾步需要什么信息，NanoMap 就用什么信息，不多也不少，為接下來的幾步制定相應的計劃。 正如卡內基梅隆大學機器人研究所的 Sebastian Sherer 所指出的那樣：“和以往的工作最大的不同是，研究人員創建的地圖里不再是一組圖像以及圖像的位置和方向，而是一些具有位置不確定性的圖片。記錄不確定性的好處在于即使機器人不知道確切的位置，我們還是可以使用以前的圖像，并對計劃進行改進。” 這個關于高速自主導航其新發展的消息著實令人非常興奮。在不久的將來，隨著我們的天空中出現越來越多的無人機，我們很有可能會看到這種技術的大批應用。 |
