据外媒报道，加州理工学院（Caltech ）开发了一种新的算法，可让自动系统通过观察周围地形，识别其所在位置，且不受地形季节性变化影响。

（图片来源：加州理工学院）

视觉地形相对导航（VTRN）可使自动系统通过比较附近地形和高分辨率卫星图像，从而确定自己的位置。为了使其工作，当前一代的VTRN需要所观察的地形与数据库中的图像紧密匹配。任何改变或模糊地形的物体，如积雪或落叶，都会导致图像不匹配，并扰乱系统。因此，除非具备各种条件下的景观图像数据库，否则VTRN系统很容易混淆。

为了克服这一挑战，加州理工学院Soon-Jo Chung教授实验室的团队转向了深度学习和AI，以消除阻碍当前VTRN系统的季节性因素。科学家Anthony Fragoso表示，“来自卫星和自动驾驶汽车的两幅图像必须具有相同的内容，当前的技术才能发挥作用。系统仅能处理图像色调差异，然而，在真实系统中，情况会随着季节的变化而发生巨大变化，图像不再包含相同的物体，不能直接进行比较。”

由Chung和研究人员Fragoso、Connor Lee和Austin mccoy合作开发算法使用的是“自我监督学习”。大多数计算机视觉策略都依赖人工注释，人工注释员会整理大型数据集，教算法如何识别看到的物体，但该算法会让算法自己学习。AI通过梳理出可能被人类忽略的细节和特征，从而寻找图像中的模式。

使用新系统补充当前一代VTRN，可生成更精确的定位。在一项实验中，研究人员试图使用基于相关VTRN技术，定位夏季树叶图像和冬季树叶图像。测试发现50%的尝试都会导致导航失败。相比之下，在VTRN中插入新算法，92%的尝试被正确匹配，剩下的8%可被提前识别为有问题，可使用其他已建立的导航技术轻松管理。

Lee表示，“计算机可以发现我们眼睛看不到的模糊模式，甚至可以发现最小的趋势。在普遍但具有挑战性的环境中，VTRN正面临挑战，而我们可以解决这一挑战。”该系统不仅可用于无人驾驶飞机，还可用于太空任务。接下来，Fragoso、Lee和Chung将扩展这项技术，以适应天气的变化。如果成功，该项工作将有助于改进自动驾驶汽车的导航系统。