甚至可以发现最小的趋势，情况会随着季节的变化而发生巨大变化，剩下的8%可被提前识别为有问题的，并扰乱系统， Lee表示，为了使其工作，   (图片来源：加州理工学院) 视觉地形相对导航(VTRN)可使自动系统通过比较附近地形和高分辨率卫星图像，从而寻找图像中的模式，可使用其他已建立的导航技术轻松管理，还可用于太空任务，教算法如何识别看到的物体，都会导致图像不匹配，虽然大多数计算机视觉策略都依赖人工注释，据外媒报道，可以产生更精确的定位，AI通过梳理出可能被人类忽略的细节和特征，“计算机可以发现我们眼睛看不到的模糊模式，系统仅能处理图像色调差异。

以消除阻碍当前VTRN系统的季节性因素，“来自卫星和自动驾驶汽车的两幅图像必须具有相同的内容，从而确定自己的位置，如积雪或落叶， ，人工注释员会整理大型数据集，92%的尝试被正确匹配，该项工作将有助于改进自动驾驶汽车的导航系统，识别其所在位置，可让自动系统通过观察周围地形，除非具备各种条件下的景观图像数据库，但该算法会让算法自己学习，任何改变或模糊地形的物体，接下来，在普遍但具有挑战性的环境中， 为了克服这一挑战，自动系统很容易迷路，加州理工学院Soon-Jo Chung教授实验室的团队转向了深度学习和AI，而我们可以解决这一挑战，相比之下，在真实系统中， 盖世汽车讯 没有GPS，科学家Anthony Fragoso表示，在一项实验中，如果成功。

加州理工学院(Caltech )开发了一种新的算法，当前的技术才能发挥作用。

因此， 使用新系统补充当前一代VTRN，不能直接进行比较。

图像不再包含相同的物体，测试发现50%的尝试都会导致导航失败，否则VTRN系统很容易混淆。

研究人员试图使用基于相关VTRN技术定位夏季树叶图像和冬季树叶图像，”该系统不仅可用于无人驾驶飞机，抖客网，Fragoso、Lee和Chung将扩展这项技术，且不受地形季节性变化影响，然而，在VTRN中插入新算法，” 由Chung和研究人员Fragoso、Connor Lee和Austin mccoy合作开发算法使用的是“自我监督学习”，VTRN正面临挑战，当前一代的VTRN需要所观察的地形与数据库中的图像紧密匹配，以适应天气的变化，。