近两年来，围绕“无人送货”这一猜想，亚马逊、Google、京东、顺丰等公司都做了不少尝试。但抛开政策因素不谈，以目前的技术水平来说，想让无人机穿越复杂环境且不出现任何状况，其实是一件很困难的事情。

其中一个难题便是避障算法。以往，无人机主要通过SLAM等算法分析摄像机捕捉到的照片，从而确定飞行途中是否有障碍物存在。但这种算法需要分析远距离的各类图像，在耗费大量时间的同时，也会降低无人机的飞行速度。

此外，这种算法也很难应对突发情况。它们测算的是各类物体的精准位置，并未考虑到位置的不确定性。测算时，任何一个参数发生改变，飞机都有坠毁的可能——这也是此前无人机事故频发的原因所在。

现在，美国麻省理工学院（MIT）研究人员开发出了一种被称为“毫微地图”（NanoMap）的系统，可以让无人机在森林、仓库等复杂环境中更好地避开障碍物，以32公里的时速持续飞行。

这套系统的核心原理是，它将无人机位置定义为不确定因素，并围绕这套不确定因素去构建算法模型。正如研究员Pete Florence在论文中所说，过往的地图系统设计得都过于“自信”，事实上，只有更好地意识到不确定性，无人机才能更好地躲避障碍物。

具体来说，NanoMap使用深度感测来测量无人驾驶飞机的周围环境。不远也不近，它们只测量一定范围内的周围环境。这种方法可以根据当下视野作出行为决策，也能让无人机就过往收集到的图像，预测接下来的动作。

“与过往工作的区别在于，研究人员创建了一幅由一组图像组成的地图，这些图像具有位置不确定性，不仅仅是一组图像的位置和方向。” 卡内基梅隆大学机器人研究所系统科学家Sebastian Scherer说道。

根据团队测试，正常情况下，依照普通算法，MIT的测试无人机在偏离预期位置超过5%的情况下，大约有25%的几率会坠毁。通过引入这种技术，MIT的团队能将飞机失事几率降低到2%。

“研究人员展示了令人印象深刻的实验结果。”Scherer认为，“快速躲避障碍”将成为未来的一个关键能力，“它有助于无人机更好地拍摄，更高效的信息收集及其他方面的提升。”目前，除无人送货、田野调查，团队认为，只要是和自助导航相关的项目，比如无人驾驶汽车，其实也都可以考虑使用这套系统。