وأظهرت الاختبارات الأولية للنظام قدرة مذهلة على تقليص الأخطاء في تحديد الموقع من 734 متراً إلى 22 متراً فقط، ما يعكس دقة عالية في الملاحة. ويعتمد PEnG على دمج صور الأقمار الصناعية مع صور مستوى الشارع لتحديد الموقع واتجاه الجهاز بدقة فائقة.
تتم عملية تحديد الموقع على مرحلتين، تشمل الأولى تضييق نطاق الموقع على مستوى الشارع، فيما تُحسّن المرحلة الثانية تقدير الوضعية النسبية للجهاز بالنسبة للبيئة المحيطة. ويؤكد الباحثون أن النظام يعمل بكفاءة حتى مع الكاميرات أحادية العين البسيطة، ما يجعله عملياً ومتاحاً للاستخدام في المركبات الشائعة.
وأوضح البروفيسور أدريان هيلتون، مدير معهد سري للذكاء الاصطناعي: “نظامنا يعالج التحديات الكامنة وراء تكنولوجيا الملاحة، ويُمكّننا من تحديد الموقع بدقة دون الاعتماد على GPS، ما يضع أسساً لأنظمة ذاتية أكثر ذكاءً ومرونة، قادرة على العمل في أكثر البيئات بعداً”.
ويهدف الفريق حالياً إلى إنشاء نموذج أولي للنظام لاختباره في ظروف واقعية، مع نشر النتائج كمصدر مفتوح لتشجيع المطورين والمهندسين حول العالم على الاستفادة منه والبناء عليه، وهو ما قد يُحدث ثورة في مستقبل التنقل والقيادة الذكية.
تتم عملية تحديد الموقع على مرحلتين، تشمل الأولى تضييق نطاق الموقع على مستوى الشارع، فيما تُحسّن المرحلة الثانية تقدير الوضعية النسبية للجهاز بالنسبة للبيئة المحيطة. ويؤكد الباحثون أن النظام يعمل بكفاءة حتى مع الكاميرات أحادية العين البسيطة، ما يجعله عملياً ومتاحاً للاستخدام في المركبات الشائعة.
وأوضح البروفيسور أدريان هيلتون، مدير معهد سري للذكاء الاصطناعي: “نظامنا يعالج التحديات الكامنة وراء تكنولوجيا الملاحة، ويُمكّننا من تحديد الموقع بدقة دون الاعتماد على GPS، ما يضع أسساً لأنظمة ذاتية أكثر ذكاءً ومرونة، قادرة على العمل في أكثر البيئات بعداً”.
ويهدف الفريق حالياً إلى إنشاء نموذج أولي للنظام لاختباره في ظروف واقعية، مع نشر النتائج كمصدر مفتوح لتشجيع المطورين والمهندسين حول العالم على الاستفادة منه والبناء عليه، وهو ما قد يُحدث ثورة في مستقبل التنقل والقيادة الذكية.