當機器人失去衛星信號或無法構建地圖模型時，如何實現精準導航？澳大利亞昆士蘭科技大學的研究團隊在《科學·機器人學》期刊上提出了一種基于人類大腦感知模式的新型導航技術，使機器人能夠在無GPS、低功耗環境下高效完成自主定位。項目負責人亞當·海因斯表示，該技術旨在讓機器人像生物體一樣，僅在必要時激活感知模塊，優先處理關鍵信息，從而提升能源效率與環境適應性。
這項名為LENS的系統，其核心設計靈感源自人類大腦的神經元信息處理機制。海因斯指出，人類大腦僅需約20瓦的能量即可完成復雜的感知與決策任務，而傳統機器人導航系統往往需要消耗數百瓦的電力。為模擬這種高效模式，研究團隊引入了“動態視覺傳感器”——一種僅在檢測到亮度變化或物體運動時才激活像素單元的特殊相機。這種設備通過減少冗余數據處理，將能耗控制在極低水平，類似于人類視覺系統對動態信息的優先關注。
為使機器人能夠解析事件相機采集的非連續信號，研究團隊開發了適配的神經形態計算架構。該架構通過模擬神經元間的電脈沖信號傳遞與“權重調整”機制，使系統具備自適應學習能力。實驗表明，LENS不僅能夠快速識別環境變化，還能形成穩定的空間位置記憶，即使在復雜場景中也能持續追蹤自身位置。數據顯示，該系統在8公里范圍內的識別效率接近傳統導航方案，但其能耗不足后者的10%，存儲空間需求僅為同類系統的1/300，且無需依賴高性能計算平臺。
LENS技術的突破性在于其擺脫了對衛星信號或激光雷達等外部定位設備的依賴。在災害廢墟、礦井隧道、密林或外星環境等“信號盲區”中，傳統導航系統往往難以發揮作用，而LENS可通過極低功耗重建路徑，為救援機器人、月球探測車或森林監測設備提供關鍵支持。海因斯透露，在多種測試條件下，LENS的定位精度與系統穩定性已達到傳統方法的水平，尤其在能源受限場景中展現出顯著優勢。
中國科學院自動化研究所的王飛躍研究員認為，LENS的核心價值在于突破了傳統導航對高精度地圖與龐大算力的依賴，轉而聚焦實時環境適應與能效優化。他指出，這代表了第三代生物智能導航的發展方向，即通過模擬生物感知機制實現更高效的決策。
目前，LENS系統仍處于實驗室研發階段。海因斯表示，基于神經形態計算的導航技術尚處初期，但隨著處理器性能、傳感器精度與算法模型的持續改進，該系統有望實現跨越式發展。研究團隊計劃進一步擴展其識別范圍，在更復雜的環境中部署測試，并嘗試將其集成至輕型飛行器或可穿戴設備，以提升移動場景下的續航能力與環境適應性。
不過，王飛躍也提醒，此類技術走向實際應用仍面臨挑戰。例如，事件信息的非連續性可能導致系統運行不穩定，需大幅提升類腦處理器的性能；更關鍵的是，如何將實驗室成果穩定遷移至真實世界的非結構化環境中，是產業化必須解決的問題。他強調，未來需重點突破多模態感知協同、類腦芯片能效優化以及自適應算法的持續迭代。
