在车的前座，两个人用目光追踪着这架滑翔机。后座上的两个人则在笔记本电脑上追踪飞行。他们注视着滑翔机上安装的小型计算机发来的数据，同时向一台对讲机喊着这些数据。而在前面的一辆吉普车上，阿什利·卡普（Ashish Kapoor）听着传来的数据，一边降低速度，眼睛盯着这架聚苯乙烯滑翔机。
很快，滑翔机调转到另一个方向。它轻轻地环绕着无形的上升热空气柱，缓慢地向上爬升。“它在不断上升，它发现了一股上升气流，”卡普指着越飞越高的滑翔机说。
上周，在内华达州霍桑附近的沙漠山谷里，卡普和他的微软研究员同事测试了两架滑翔机。借助机载传感器提供的数据，对空气模式进行预测、并规划前面的路线，这些滑翔机能够找到上升暖气流，然后利用其停留在空中。
微软希望，这种自动驾驶飞行器最终能够乘着空气在空中停留数个小时甚至几天，同时仅消耗极少的电力，从而帮助研究人员追踪天气状况，检测农作物，或者向特定地区发送无线网络信号。
如今，越来越多的人开始开发能够自行决策的飞行器、汽车和其他设备，而卡普领导的这一项目也是其中之一。谷歌已经利用类似的技术开发能够在空中漂浮数月的互联网气球，另外，还有很多公司在开发无人驾驶汽车。加州大学伯克利分校的学术人员则在开发家庭
机器人和外壳手术机器人等等。
得益于神经网络技术的崛起，汽车、飞机和其他机器人如今已经能够识别周围的物体，精确度堪比人类。但要真正实现自主决策，这些机器还必须模仿人类预测未来事物，并据其进行调整的能力。微软、谷歌和加州大学的项目都在向这一方向努力。
随着谷歌和其他许多公司试图开发无人驾驶汽车，此类研究变得越来越重要。斯坦福大学航空和航天学教授迈克尔·克勤德非（Mykel Kochenderfe）表示，微软的项目向着自动驾驶交通工具的实现前进了一大步。
此外，该项目还是挑战自动驾驶技术极限的一种方式。“借助滑翔机，你可以在人员和财产受损风险最小的情况下测试这些算法，”克勤德非说。
为了打造算法，卡普和他的团队借助了名为“马尔可夫决策过程”的技术。该技术拥有数十年的历史，它本质上就是一种识别不确定性并作出回应的方法。
这种方法就类似于你在背包里面找零钱。如果把手伸进背包乱摸一通，你会面临许多不确定性。但如果你拿掉大点的物体，比如书本、和笔，零钱就会落到书包底部，然后找钱就变得容易地多。这就是微软算法的运作方式，只不过是在数学层面。他们希望算法能够限制不确定性，来减小问题的范围。
图2：微软研究员用遥控器放飞滑翔机
在内华达州的沙漠里，微软团队在手持遥控器的帮助下放飞了两架滑翔机。一旦进入空中，研究人员便让滑翔机利用机载设备自主飞行。而这些滑翔机不得不借助风和其他空气模式飞行。
通过机载算法，这些滑翔机能够分析周围发生的情况，然后在需要时改变方向。它们可以从环境中获取信息，尽管无法完全确定接下来会发生什么，但它们至少可以作出有根据的推测。研究人员说，因为所处的环境不受控制，滑翔机必须提前推论和规划。
在测试中，这些滑翔机成功规划路线，向能够提供上升力的地方前进，之后再设法利用上升气流向高空爬升。
不过，这些飞行器离完美还很远。微软团队最初希望创造滑翔机自动飞行的时间记录——超过5个小时——但由于无线电和其他设备的问题，经过两天的反复试验后他们并没有做到。
