Автономные транспортные средства очень легко могут «заблудиться», если они попадают в зону неуверенного приема или отсутствия сигналов спутниковой навигационной системы GPS. Но новый алгоритм, разработанный специалистами Калифорнийского технологического института, позволит автономным системам определиться со своим местоположение, просто «осмотревшись вокруг» при помощи одной или нескольких камер. И, впервые за всю историю, работа такого алгоритма является практически независимой от сезонных изменений и различных факторов окружающей среды.

Процесс относительной визуальной ориентации (visual terrain-relative navigation, VTRN) был разработан еще в 1960-х годах. Он работает путем сравнения изображений окружающей местности, получаемых с камер, с высококачественными спутниковыми снимками, находящимися в специальной базе данных. Такой подход работает, пока что-либо кардинально не изменяет окружающий ландшафт, этим может являться снежный покров или опавшие с деревьев листья. К сожалению, в базу данных VTRN невозможно внести изображения одной и той же местности при всех возможных условиях, поэтому такие визуальные системы часто не могут найти совпадения и выдают недостоверные результаты.

Исследователи из Калифорнийского технологического института и Лаборатории НАСА по изучению реактивного движения (NASA Jet Propulsion Laboratory, JPL) решили задействовать для задачи визуальной ориентации специально обученную систему искусственного интеллекта. В этой системе был реализован метод «самоконтролируемого обучения», который позволяет системе обучаться полностью самостоятельно, без участия в этом деле людей и подготовленных людьми комментированных наборов данных. Анализируя изображения, такая система искусственного интеллекта находит на снимках такие детали и особенности, которые, с большим процентом вероятности, были бы пропущены и не приняты во внимание людьми.

Система искусственного интеллекта была внедрена в один из вариантов программной реализации технологии визуальной ориентации. И в самом первом же тесте системе была поставлена задача определения местоположения в летний период на основании данных и снимков, сделанных в зимний период. Обычный подход обеспечивает более менее достоверные результаты в максимум 50 процентах случаев. Но когда к этому делу был подключен искусственный интеллект, количество достоверных результатов увеличилось до 92 процентов, а остальные 8 процентов были идентифицированы как проблематичные, т.е. выходящие за рамки требуемой точности.

Участие в этой работе специалистов лаборатории JPL объясняется тем, что данная технология может быть успешно использована в космических миссиях. К примеру, в системе управления спускаемым аппаратом, который в 2020 году доставил марсоход Perseverance на поверхность Красной Планеты, также использовались технологии визуальной ориентации. И, благодаря этой системе, марсоход был успешно спущен на поверхность в районе кратера Jezero в месте, которое ранее было признано слишком опасным для такой процедуры. Кроме этого, участники исследовательской группы уже проработали множество снимков полярных регионов Марса, где наблюдаются достаточно сильные сезонные изменения, и полученные данные будут использоваться позже во время миссий, целью которых станет поиск запасов воды.

Сейчас калифорнийские исследователи занимаются модернизацией созданной ими системы, после чего она сможет не зависеть или зависеть в гораздо меньшей степени от моментальных погодных изменений, включая туман, дождь и снег. Если это будет выполнено успешно, то самоуправляемые автомобили-роботы обретут возможность узнавать свое текущее местоположение в любое время года, в любом месте и в любых условиях.