当前的自主系统需要主动引导它才能在黑暗中导航（前灯、激光雷达或其他一些发射传感器），但这些主动特征同样可以被远距离的对手检测到。目前，美军DARPA已经为“Invisible Headlights 计划”选择了四个行业和大学研究团队，该计划旨在确定自动驾驶汽车是否可以仅使用被动传感器在完全黑暗的情况下进行导航。

　　Invisible Headlights 的技术技术可以扩展自主资产运行的环境和任务类型——使其可以在夜间、地下、北极和雾中行动。

　　更重要的是，对环境热辐射中包含的信息的更深入理解将为未来利用红外光的应用提供信息。

　　Invisible Headlights 计划旨在通过发现如何将所有环境中存在的环境热光转换为完全无源的 3D 传感器，该传感器的精度达到足够准确和快速以支持自主导航，从而消除此漏洞。研究人员将探索和量化这些环境释放中包含的信息，然后创建新的传感器和算法来利用这些信息。

　　研究团队将应对以下这些挑战：

　　+ 加利福尼亚州北岭的 Arete Associates 团队将执行虚拟分析以了解环境光谱和偏振红外环境，并开发低对比度 3D 视觉算法。

　　+ 位于纽约克利夫顿公园的 Kitware, Inc. 团队将使用定制的多波段高光谱红外摄像机结合人工智能和机器学习算法来估计局部 3D 场景结构和导航语义。

　　+ 由马萨诸塞州剑桥市麻省理工学院领导的一个团队正致力于将超导纳米线单光子探测器 （SNSPD） 技术扩展到极低噪声红外传感阵列中。

　　+ 位于印第安纳州西拉斐特的普渡大学团队正在开发新型超快、基于自旋的传感器和 3D 视觉方法，以利用周围热环境的特性。

　　“这些团队正在寻求利用红外光谱的创新方法，”美国国防部DARPA 国防科学办公室Invisible Headlights 计划的项目经理 Joe Altepeter 说。“他们正在探索使用新设备、改进算法和增加测量多样性来捕获更多场景信息的方法。”

　　此外，由美国陆军 C5ISR 中心夜视和电子传感器委员会（NVESD） 领导的政府团队正在通过组装一组前所未有的具有相关 3D 地面实况的地面高光谱和极化图像来加速研究团队的工作。

　　在第一阶段，项目执行者的任务是研究热辐射在是否包含足够的信息，以在非常黑暗的条件下实现自动驾驶。在第 2 阶段，团队的任务是设计和测试传感器和算法，以证明真实系统可以为 3D 视觉测量足够的信息。最后阶段将构建和测试无源演示系统，这些系统将在现场测试中与有源传感器进行比较。

　　Invisible Headlights 技术可以扩展自主资产运行的环境和任务类型——使其在夜间、地下、北极和雾中开展行动。更重要的是，对环境热辐射中包含的信息的更深入理解将为未来利用红外光的应用提供信息。