据外媒报道，昆士兰科技大学（Queensland University of Technology，QUT）研究人员开发出独特且改进的机器人视觉方法，旨在为服务机器人和通用自动驾驶汽车系统等应用制造价格低廉且可靠的定位系统。
图片来源：昆士兰科技大学
首席研究员及QUT博士生Connor Malone表示：“目前市场有许多视觉位置识别（VPR）技术和定位方法，每一种都试图解决不同的问题，并且每一种在某些情况下都比其他情况更有效。但有时机器人需要在环境条件发生变化的地方运行，可能是下雪、下雨或光照条件发生变化，甚至只是建筑物的时间或结构变化。因此，不同的技术往往用来解决不同的问题。”
Malone继续道：“我们提出的新系统可以在这些不同的技术之间切换，以应对环境中的不同问题。因此，我们并非是创建一个可以应对所有状况的解决方案，而是使用已经制定的解决方案来构建更强大的系统。即并行运行所有不同的技术。该方案听起来很天真，因为使用在特定时间效果更好的技术需要大量的计算。”
Malone称：“我们一直在运行一种已知的单一高性能技术，并且可以预测（无需全部运行）需要添加哪些其他技术以获得最佳性能。该系统有可能用于所有类型的自动驾驶汽车平台。我们使用的很多测试和数据集都来自自动驾驶汽车应用程序。该系统的特别重点是物有所值。因此，制造价格低廉的平台，配备的是低价的传感器，而不是大量的计算机能力。”
Connor Malone称：“当车辆驶过环境时，我们审查了连续图像，并标记了这些图像，说明哪些特定技术适用于该特定图像。然后我们开发出‘神经网络’训练系统（本质上是人工智能系统），可以帮助学习针对特定图像哪种技术最有效。”
Malone表示：“人工智能系统正在学习它必须考虑的这些条件，无论是地方外观、照明条件还是季节变化的差异。”
QUT电气工程与机器人学院的Michael Milford教授表示：“实验表明，该方法在各种具有挑战性的环境条件下都能很好地发挥作用。旧方法会推高计算机硬件的成本或减慢机器人的运行速度，从商业或可用性的角度来看都不具优势。”每个人都在努力追求一个适合所有事物的系统，因此我们最终得到多种系统，以应对不同的问题。而我们采用这种切换机制，在图像进入的地方，该系统可在不同的技术之间切换，但是以一种计算成本非常低的方式完成的。实际执行此操作并不需要大量硬件和资源。决定转换所需的时间非常短。”
