蓋世汽車訊 據外媒報道，加州理工學院（Caltech ）開發了一種新的算法，可讓自動系統通過觀察周圍地形，識別其所在位置，且不受地形季節性變化影響。

（圖片來源：加州理工學院）

視覺地形相對導航（VTRN）可使自動系統通過比較附近地形和高分辨率衛星圖像，從而確定自己的位置。為了使其工作，當前一代的VTRN需要所觀察的地形與數據庫中的圖像緊密匹配。任何改變或模糊地形的物體，如積雪或落葉，都會導致圖像不匹配，并擾亂系統。因此，除非具備各種條件下的景觀圖像數據庫，否則VTRN系統很容易混淆。

為了克服這一挑戰，加州理工學院Soon-Jo Chung教授實驗室的團隊轉向了深度學習和AI，以消除阻礙當前VTRN系統的季節性因素。科學家Anthony Fragoso表示，“來自衛星和自動駕駛汽車的兩幅圖像必須具有相同的內容，當前的技術才能發揮作用。系統僅能處理圖像色調差異，然而，在真實系統中，情況會隨著季節的變化而發生巨大變化，圖像不再包含相同的物體，不能直接進行比較。”

由Chung和研究人員Fragoso、Connor Lee和Austin mccoy合作開發算法使用的是“自我監督學習”。大多數計算機視覺策略都依賴人工注釋，人工注釋員會整理大型數據集，教算法如何識別看到的物體，但該算法會讓算法自己學習。AI通過梳理出可能被人類忽略的細節和特征，從而尋找圖像中的模式。

使用新系統補充當前一代VTRN，可生成更精確的定位。在一項實驗中，研究人員試圖使用基于相關VTRN技術，定位夏季樹葉圖像和冬季樹葉圖像。測試發現50%的嘗試都會導致導航失敗。相比之下，在VTRN中插入新算法，92%的嘗試被正確匹配，剩下的8%可被提前識別為有問題，可使用其他已建立的導航技術輕松管理。

Lee表示，“計算機可以發現我們眼睛看不到的模糊模式，甚至可以發現最小的趨勢。在普遍但具有挑戰性的環境中，VTRN正面臨挑戰，而我們可以解決這一挑戰。”該系統不僅可用于無人駕駛飛機，還可用于太空任務。接下來，Fragoso、Lee和Chung將擴展這項技術，以適應天氣的變化。如果成功，該項工作將有助于改進自動駕駛汽車的導航系統。

返回第一電動網首頁 >