当机器人失去卫星信号或无法构建地图模型时，如何实现精准导航？澳大利亚昆士兰科技大学的研究团队在《科学·机器人学》期刊上提出了一种基于人类大脑感知模式的新型导航技术，使机器人能够在无GPS、低功耗环境下高效完成自主定位。项目负责人亚当·海因斯表示，该技术旨在让机器人像生物体一样，仅在必要时激活感知模块，优先处理关键信息，从而提升能源效率与环境适应性。
这项名为LENS的系统，其核心设计灵感源自人类大脑的神经元信息处理机制。海因斯指出，人类大脑仅需约20瓦的能量即可完成复杂的感知与决策任务，而传统机器人导航系统往往需要消耗数百瓦的电力。为模拟这种高效模式，研究团队引入了“动态视觉传感器”——一种仅在检测到亮度变化或物体运动时才激活像素单元的特殊相机。这种设备通过减少冗余数据处理，将能耗控制在极低水平，类似于人类视觉系统对动态信息的优先关注。
为使机器人能够解析事件相机采集的非连续信号，研究团队开发了适配的神经形态计算架构。该架构通过模拟神经元间的电脉冲信号传递与“权重调整”机制，使系统具备自适应学习能力。实验表明，LENS不仅能够快速识别环境变化，还能形成稳定的空间位置记忆，即使在复杂场景中也能持续追踪自身位置。数据显示，该系统在8公里范围内的识别效率接近传统导航方案，但其能耗不足后者的10%，存储空间需求仅为同类系统的1/300，且无需依赖高性能计算平台。
LENS技术的突破性在于其摆脱了对卫星信号或激光雷达等外部定位设备的依赖。在灾害废墟、矿井隧道、密林或外星环境等“信号盲区”中，传统导航系统往往难以发挥作用，而LENS可通过极低功耗重建路径，为救援机器人、月球探测车或森林监测设备提供关键支持。海因斯透露，在多种测试条件下，LENS的定位精度与系统稳定性已达到传统方法的水平，尤其在能源受限场景中展现出显著优势。
中国科学院自动化研究所的王飞跃研究员认为，LENS的核心价值在于突破了传统导航对高精度地图与庞大算力的依赖，转而聚焦实时环境适应与能效优化。他指出，这代表了第三代生物智能导航的发展方向，即通过模拟生物感知机制实现更高效的决策。
目前，LENS系统仍处于实验室研发阶段。海因斯表示，基于神经形态计算的导航技术尚处初期，但随着处理器性能、传感器精度与算法模型的持续改进，该系统有望实现跨越式发展。研究团队计划进一步扩展其识别范围，在更复杂的环境中部署测试，并尝试将其集成至轻型飞行器或可穿戴设备，以提升移动场景下的续航能力与环境适应性。
不过，王飞跃也提醒，此类技术走向实际应用仍面临挑战。例如，事件信息的非连续性可能导致系统运行不稳定，需大幅提升类脑处理器的性能；更关键的是，如何将实验室成果稳定迁移至真实世界的非结构化环境中，是产业化必须解决的问题。他强调，未来需重点突破多模态感知协同、类脑芯片能效优化以及自适应算法的持续迭代。
