研究人員說，人工智能可以幫助無人機識別和導航地形，而不管季節變化如何改變其現象。

空中和太空機器人可以在沒有 GPS 或其他外部信號引導的情況下定位它們所在位置的一種方法是一種稱為視覺地形相關導航的技術。這種策略于 1960 年代首次開發，將機器人看到的某個區域與之前收集的高分辨率圖像進行比較。但是，當該區域的外觀因植被、照明和積雪的季節性變化而發生變化時，效果不佳。

現在，位于帕薩迪納市的加州理工學院的科學家們試圖通過一種深度學習算法來改進這項技術，該算法可以消除給定區域的一組過去和現在圖像中的表面差異。

在這項新研究中，研究人員在落基山脈和康涅狄格州部分地區的視覺數據集上訓練了人工智能軟件。它學會了發現一個區域的高度概括的抽象特征，而不是與特定地理位置相關的地標。因此，它可以僅用少量數據導航其他區域。

“計算機可以找到我們眼睛看不到的模糊模式，甚至可以捕捉到最小的趨勢，”該研究的合著者、加州理工學院的研究生康納李在一份聲明中說。

科學家們在一架無人機中測試了他們的算法，該無人機在康涅狄格州西北部的一個地區進行了模擬飛行。該區域包含大片不間斷的崎嶇落葉林，其地形比算法在訓練期間遇到的地方更陡峭。落葉林會季節性地脫落葉子，因此隨著時間的推移會顯著改變外觀。地形的陡峭程度對算法來說也是一個挑戰，因為根據無人機的高度、角度和運動，它看起來可能會有很大不同。

當無人機將其所見與兩年前拍攝的照片進行比較時，該算法消除了不同數據集之間幾乎所有的實質性不匹配。這有助于無人機成功執行視覺導航。

研究人員表示，他們的算法也可能適用于太空任務。例如，噴氣推進實驗室 Mars 2020 Perseverance 漫游車任務中的進入、下降和著陸 (EDL) 系統使用視覺導航降落在紅色星球上的 Jezero 隕石坑，該地點以前被認為太危險而無法安全進入。研究資深作者、航空航天教授Soon-Jo Chung，對于像Perseverance這樣的漫游車，“一定程度的自動駕駛是必要的，因為在地球和火星之間傳輸可能需要20分鐘的時間，而火星上沒有GPS”加州理工學院的控制和動力系統，在一份聲明中說。

接下來，科學家們將看看他們的系統是否也能解釋天氣變化——霧、雨、雪等。如果成功，他們的工作將有助于改進無人駕駛汽車的導航系統。