在麻省理工学院计算机科学与人工智能实验室（MIT’s Computer Science and Artificial Intelligence Laboratory， MIT CSAIL），一队研究人员已经开发出一种名为“NanoMap”的系统。

在借鉴无人驾驶汽车情况的基础上，NanoMap 能够通过使得无人机不断定位，达到让其不断躲避障碍的目的，让无人机在复杂的环境中能每小时持续飞行 20 英里。研究小组正在研究特定的用例，包括搜索和救援场景、防御和娱乐。使用无人机的快递公司可以将这种技术用于人口稠密地区。

研究生皮特.弗洛伦斯（Pete Florence）最近发表了一篇基于类似想法的研究论文。身为这篇论文的主要作者，弗洛伦斯表示，在密集拥挤的环境中，这里采用的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，我们越能够避开障碍以及实现近距离飞行。

NanoMap 究竟是如何工作的呢？ 据麻省理工学院表示，利用深度感应（depth-sensing），NanoMap 能对无人机四周进行不间断的测量。而这也使得它在做下一个决定的同时还能提前为更长远的行动做规划。

“这就像把你所看到的世界上所有的图像都保存在脑海中，”弗洛伦斯解释道，“对于要计划其运动的无人机来说，它们本质上就是回到过去，在有限的时间内单独思考它们所待过的各处地方。” NanoMap 实现了无人机事故率从 25% 到 2% 的明显下降。这是个非凡的成绩，而急于让无人机在狭窄的市内环境中穿梭的无人机快递公司应该也迫不及待想试试这个系统。

让我们看看NanoMap是如何工作的吧。

以前，在密集的环境中，流行的避障方法主要依赖于SLAM（同步定位和映射）技术。这种技术可以转化无人机周围环境的数据，并生成用于导航的地图。

然而，根据麻省理工学院的说法，SLAM 技术没那么可靠，且对高速运转的无人机也没那么有用。另一方面，为了缩短处理时间、加快反应速度，NanoMap 只会为无人机的接下来几步做打算。接下来的几步需要什么信息，NanoMap 就用什么信息，不多也不少，为接下来的几步制定相应的计划。

正如卡内基梅隆大学机器人研究所的 Sebastian Sherer 所指出的那样：“和以往的工作最大的不同是，研究人员创建的地图里不再是一组图像以及图像的位置和方向，而是一些具有位置不确定性的图片。记录不确定性的好处在于即使机器人不知道确切的位置，我们还是可以使用以前的图像，并对计划进行改进。”

这个关于高速自主导航其新发展的消息着实令人非常兴奋。在不久的将来，随着我们的天空中出现越来越多的无人机，我们很有可能会看到这种技术的大批应用。