無需依賴 GPS 或相機，無人機現在可以使用一種新型人工智能框架，僅依靠機載傳感器進行導航。來自沙特阿拉伯王子蘇丹大學的研究團隊開發了一個名為 CLAK 的系統，該系統能夠利用 LiDAR、氣壓高度和慣性數據來估算無人機的位置。這一方法的目標是針對衛星信號弱或無法獲得的環境，如隧道、密集城市、森林或衝突區域。準確的定位對於自主飛行至關重要，但全球導航衛星系統常常因信號阻塞、干擾或欺騙而失效。視覺導航方法雖然可以幫助，但它們依賴於光照、紋理和大量計算，這使得在低能見度或資源有限的環境中不可靠。這一新框架通過從非視覺傳感器數據學習，消除了這些依賴性，處理空間和時間信息以估算緯度、經度和海拔，從而使無人機在傳統系統失效時仍能保持方向。
CLAK 模型將多種人工智能技術結合成一個單一的工作流程。它使用卷積層從傳感器輸入中提取模式，然後使用雙向 LSTM 網絡理解時間上的運動。一個注意機制隨後選擇最相關的數據點，而 Kolmogorov-Arnold 網絡則執行最終的位置預測。該系統使用通過 ROS2 基於工具生成的模擬飛行數據進行訓練，包括 Gazebo、PX4 和 QGroundControl。此外，還融入了來自沙特阿拉伯 Taif 地區的地形數據，以模擬現實世界的條件。在測試中，該模型顯著優於基準方法，將平均絕對誤差從三米以上減少到一米以下，並在不同的模擬飛行路徑中達到高準確率。在某些情況下，誤差下降超過 75% 。
研究人員表示，該模型在保持高準確度的同時，仍然輕便，適合在現實世界中部署，特別是對於在嚴格硬件約束下運行的無人機。由於該系統不依賴於相機或衛星信號，因此可以在其他方法難以運行的環境中運作，包括室內設施、地下隧道、山區和信號受到阻擋的城市地區。該系統對廣泛可用的傳感器的依賴，也降低了對昂貴硬件的需求，令其對商業和研究用途更加可及。這可能會加速各行業在 GPS 和視覺系統失效的環境中尋求可靠導航的採用。
此外，這種方法還減少了對複雜視覺處理的需求，後者可能會耗電並限制小型無人機的性能。通過專注於高效的傳感器融合，該框架支持更長的任務和更可靠的自主性。除了導航外，這項技術還可支持災難應對、基礎設施檢查和軍事行動等應用，在這些情況下，可靠的定位至關重要，但常常受到損害。研究團隊目前正在探索進一步優化模型的方法，包括減少計算負擔和提高在不同地形及任務類型中的適應性。未來的工作可能還會涉及多架無人機之間的協同導航，以增強準確性和韌性。這項研究已發表在《衛星導航》期刊上。
