在車的前座，兩小我用眼光追蹤著這架滑翔機。后座上的兩小我則在筆記本電腦上追蹤飛翔。他們注目著滑翔機上裝置的小型盤算機發來的數據，同時向一臺對講機喊著這些數據。而在后面的一輛吉普車上，阿什利·卡普（Ashish Kapoor）聽著傳來的數據，一邊下降速度，眼睛盯著這架聚苯乙烯滑翔機。

　　很快，滑翔機調轉到另外一個偏向。它悄悄地圍繞著有形的上升熱空氣柱，遲緩地向上爬升。“它在賡續上升，它發明了一股上升氣流，”卡普指著越飛越高的滑翔機說。

　　上周，在內華達州霍桑鄰近的戈壁山谷里，卡普和他的微軟研討員同事測試了兩架滑翔機。借助機載傳感器供給的數據，對空氣形式停止猜測、并計劃后面的道路，這些滑翔性能夠找到上升暖氣流，然后應用其逗留在空中。

　　微軟愿望，這類主動駕駛飛翔器終究可以或許乘著空氣在空中逗留數個小時乃至幾天，同時僅消費少少的電力，從而贊助研討人員追蹤氣象狀態，檢測農作物，或許向特定地域發送無線收集旌旗燈號。

　　現在，愈來愈多的人開端開辟可以或許自行決議計劃的飛翔器、汽車和其他裝備，而卡普引導的這一項目也是個中之一。谷歌曾經應用相似的技巧開辟可以或許在空中漂浮數月的互聯網氣球，別的，還有許多公司在開辟無人駕駛汽車。加州年夜學伯克利分校的學術人員則在開辟家庭機械人和外殼手術機械人等等。

　　得益于神經收集技巧的突起，汽車、飛機和其他機械人現在曾經可以或許辨認四周的物體，準確度堪比人類。但要真正完成自立決議計劃，這些機械還必需模擬人類猜測將來事物，并據其停止調劑的才能。微軟、谷歌和加州年夜學的項目都在向這一偏向盡力。

　　跟著谷歌和其他很多公司試圖開辟無人駕駛汽車，此類研討變得愈來愈主要。斯坦福年夜學航空和航天學傳授邁克爾·克勤德非（Mykel Kochenderfe）表現，微軟的項目向著主動駕駛交通對象的完成進步了一年夜步。

　　另外，該項目照樣挑釁主動駕駛技巧極限的一種方法。“借助滑翔機，你可以在人員和產業受損風險最小的情形下測試這些算法，”克勤德非說。

　　為了打造算法，卡普和他的團隊借助了名為“馬爾可夫決議計劃進程”的技巧。該技巧具有數十年的汗青，它實質上就是一種辨認不肯定性并作出回應的辦法。

　　這類辦法就相似于你在背包外面找零錢。假如把手伸進背包亂摸一通，你會見臨很多不肯定性。但假如你拿失落年夜點的物體，好比書本、和筆，零錢就會落到書包底部，然后找錢就變得輕易地多。這就是微軟算法的運作方法，只不外是在數學層面。他們愿望算法可以或許限制不肯定性，來減小成績的規模。

　　圖2：微軟研討員用遙控器放飛滑翔機

　　在內華達州的戈壁里，微軟團隊在手持遙控器的贊助下放飛了兩架滑翔機。一旦進入空中，研討人員便讓滑翔機應用機載裝備自立飛翔。而這些滑翔機不能不借助風和其他空氣形式飛翔。

　　經由過程機載算法，這些滑翔性能夠剖析四周產生的情形，然后在須要時轉變偏向。它們可以從情況中獲得信息，雖然沒法完整肯定接上去會產生甚么，但它們至多可以作出有依據的推想。研討人員說，由于所處的情況不受掌握，滑翔機必需提早推論和計劃。

　　在測試中，這些滑翔機勝利計劃道路，向可以或許供給上升力的處所進步，以后再想法應用上升氣流向地面爬升。

　　不外，這些飛翔器離完善還很遠。微軟團隊最后愿望發明滑翔機主動飛翔的時光記載——跨越5個小時——但因為無線電和其他裝備的成績，經由兩天的重復實驗后他們并沒有做到。