美国密苏里大学的研究人员正利用人工智能(AI)推进无人机自主性，专注于无需依赖GPS的导航和环境互动。这项前沿项目旨在为无人机配备自主视觉导航能力，可能彻底改变无人机的运作方式，并在自然灾害等关键场景中提供协助。

AI算法正在开发中，以允许无人机自主导航并执行复杂任务，特别是在GPS信号受限的环境中，利用传感器技术和高性能计算的进步。

在亚利桑那州的尤马试验场——世界上最大的军事基地之一，密苏里大学的学生花费了一个月时间，使用定制无人机收集可见光和红外视频数据。他们的项目为这个由美国陆军工程师研究与发展中心(ERDC)支持的为期两年的项目奠定了基础。

自主操作在GPS导航信号中断或丢失的情况下变得至关重要，例如在自然灾害或军事情况之后。"这通常发生在自然灾害之后，建筑环境和地形的遮挡或人为干预中，"项目首席研究员、电子工程与计算机科学杰出教授Kannappan Palaniappan说。"大多数今天运行的无人机需要GPS导航来飞行，所以当它们失去信号时，它们无法找到周围的路，通常会在当前位置降落。与地面GPS导航应用程序不同，如果错过转弯可以重新规划路线，目前空中无人机没有在这些情况下的重新规划选项。"

通过结合视觉传感器和算法，Palaniappan和团队正在开发软件，将允许无人机自主飞行——独立感知和与环境互动，同时实现特定目标或目标。

近年来，视觉传感器技术的进步，如激光雷达和热成像，已经允许无人机执行有限的高级任务，如物体检测和视觉识别。结合团队的算法——由深度学习和机器学习驱动，AI的一个子集——无人机可以协助开发用于映射和监控应用的3D或4D高级图像。

"作为人类，我们一直在使用我们的视觉系统，将3D模型和运动模式的动态知识整合到我们的周围环境中，"Palaniappan说。"现在，我们正试图解码人类视觉系统的显著特征，并将这些能力整合到自主基于视觉的空中和地面导航算法中。"

开发高级图像能力需要计算机相关资源，如处理能力、内存或时间。这种能力超出了通常在无人机上的软件系统所提供的范围。因此，由密苏里大学领导的团队正在研究如何利用云计算、高性能和边缘计算方法的优势作为潜在解决方案。

"在严重的风暴或自然灾害之后，建筑物、水道和其他形式的基础设施将会受损，"Palaniappan说。"该地区的3D重建可以帮助第一反应者到政府官员了解损失的程度。通过允许无人机收集原始数据并将该信息传输到云端，云端支持高性能计算软件可以完成分析并开发3D数字孪生模型，而无需额外的软件在无人机上物理安装和可访问。"