当 GPS 失灵：面向视觉导航的数字影子

如果您的业务依赖自主或少人值守的移动设备——测绘无人机、矿区运输卡车、农业机械、巡检机器人、物流车队——日常运营其实默认了一个前提：卫星定位是可用的。可在桥下、矿坑和峡谷里，在干扰附近，或者只是天气不好时，它并不可用。这时设备只能根据摄像头看到的画面，对照几周甚至几年前拍的参考地图，判断自己在哪里。

业务风险不只是“定位错了”，而是“错得很笃定”：系统给出一个看似合理的定位，设备据此行动，等您发现时，已经是设备损坏、资产丢失或事故报告。采购导航能力时，每家供应商都会给您看成功的案例；却很少有人能以可核查的方式告诉您，他们的方法在哪里会失败，以及失败时它自己是否知道。

在导航场景里，数字孪生指什么

数字孪生是真实系统的模型，可以追问、可以运行。在导航领域，有用的形态是数字影子——即我们框架中的第二代。观测数据单向流入模型，模型估计设备此刻的位置，并给出误差范围。它不操控车辆，也不推演“如果换条路线会怎样”；它只诚实地回答一个难题：只凭摄像头所见，我们在哪里？应该有多大把握？

这比完整的孪生要窄，而且是有意为之。对采购自主系统的企业来说，一个可信的估计，加上一个表现良好的“我不知道”，比一个无法审计的宏大系统更有价值。将来需要路径规划、车队协同或任务预演时，数字影子就是这些上层能力赖以建立的状态估计。

我们做了什么

Fieldwork — 视觉定位是一个在浏览器中运行的研究沙盒，在完全合成的世界里研究基于观测的定位。参考地图和实时相机图像是同一片底层地形（道路、地块、树木、建筑）的两次独立渲染，因此算法无法靠“拿图像跟自己比对”来作弊。没有卫星影像底图，也没有预训练模型。真值只掌握在评测器手里，算法永远拿不到。

四种方法在完全相同的像素、相同的相机标称位姿和相同的惯导（INS）先验下进行比较：

经典图像相关匹配；
局部视觉特征；
语义地理（从像素中提取道路、路口等结构）；
混合方法：综合以上手段，并在接受每个候选位置前检查其证据。

基准测试覆盖 9 类场景（正常、云遮挡、光照、季节变化、旋转、尺度、大幅惯导漂移、低纹理，以及刻意设计的重复地形），3 个严重度等级，每种 20 次观测：共 27 个案例、2,300 行记录，失败结果都保留在公开的 JSON 和 CSV 里。在正常条件下，混合方法在两个较低严重度下 20 次观测中有 19 次给出被接受且正确（误差 10 米以内）的定位，最高严重度下为 16 次。在低纹理场景，它拒绝了全部观测而不是去猜；在重复地形场景，它在最低严重度下只接受了 1 次，之后一次都没有接受。在一次学习实验中，受保护的观测记忆新增了 6 条记录，经评测器核查全部正确，没有错误准入。