来源：无人机
麻省理工学院开发出“微地图”系统，可以让无人机在森林、仓库等复杂环境中避开障碍物以每小时32公里高速飞行。NanoMap的核心原理是将无人机定位为不确定因素，并围绕这套不确定因素去构建算法模型，以往地图设计都过于自信，事实上，只有更好的意识到不确定性，无人机才能更好的躲避障碍物。
微地图利用深度感应（depth-sensing）来测量无人机的周围环境，不远也不近，只测量一定范围内的周围环境，这种方法可以根据当下视野做出行为决策，也能让无人机就过往收集到的图像预测接下来的动作。
以往无人机主要通过slam等算法分析摄像机捕捉到的图像，从而确定飞行中是否有障碍物存在，但这种算法需要分析远距离的各类图像，耗费大量时间同时也会降低无人机的飞行速度。这这种算法也很难应付突发情况，它们测算的是各类物体的精准位置，并未考虑位置的不确定性，测算时任何一个参数发生变化，飞机都有可能都有坠毁的可能，这也是此前无人机事故频发的原因所在。
与过往工作的区别在于，研究人员建立了一幅由一组图像组成的地图，这些图像具有位置不确定性，不仅仅是一组图像的位置和方向。测试中，正常情况下，依照普通算法，MIT的测试无人机在偏离预期位置超过5%的情况下，大约有25%的几率会坠毁，通过引入这种技术，MIT的团队能将飞机失事几率降低到2%。
皮特.弗洛伦斯（Pete Florence）最近发表了一篇基于类似想法的研究论文。在密集拥挤的环境中，这种方法远比基于地图的传统导航更为可靠。 他说：想要无人机在人类环境中高速运行，过于详细确切的地图没什么用。无人机越能觉察其不确定性，越能够避开障碍以及实现近距离飞行。
快速躲避障碍将成为一个未来的关键能力，它有助于无人机更好的拍摄，更高效的信息收集及其它方面的提升，目前除无人送货，农田植保，只要是和自主导航相关的项目，比如无人驾驶汽车，其实也都可以考虑这套系统。
源自：http://www.thedrive.com/aerial/18429/mits-NanoMap-tech-allows-for-consistent-high-speed-autonomous-drone-navigation
联系客服
