在战场上，士兵必须能够完全信任他们的队友。即使那个队友是个机器人。

太平洋大学（Pacific University） 10年级的校友玛吉·威格尼斯（Maggie Wigness）走在让这些机器人成为美国陆军人类同伴值得信赖的队友的最前沿，她将人工智能、计算机视觉和机器人技术结合在一起，开发用于军事应用的智能车辆。

作为美国陆军作战能力发展司令部（DEVCOM）陆军研究实验室（ARL）机器人研究小组的高级计算机科学家，Wigness和她的团队不仅负责研究，还负责促进研究界的伙伴关系，以扩大陆军获得专家人才的机会，并加速科学能力的过渡。

“我可以和这个领域的顶尖学术研究人员一起工作，”Wigness说。“与其他研究人员合作开发软件，一起到现场进行测试，这是一件令人愉快的事情。与学术界接触并继续推动研究是很有趣的。”

Wigness的研究专长是计算机视觉，她利用人工智能和机器学习技术让计算机或机器人看到并理解周围的世界。这些算法将环境信息转换为对象类，如树或草，从而使机器人能够做出智能导航决策，就像人类大脑将通过眼睛发送给它的信息转换一样。

这一信息非常重要，因为Wigness的团队正在开发能够在恶劣条件下行驶的自动驾驶汽车。当商业开发的自动驾驶汽车在平坦的道路和交通中行驶时，这些军用车辆必须能够在具有挑战性的地形和快速变化的环境条件下行驶。

“我们有极端的海拔变化。我们在环境中没有结构化的线索来指导我们，比如车道标记或停车标志，”Wigness说。“我们如何应对崎岖不平、难以穿越的不同地形？我们如何在这些高度非结构化的环境中进行推理，为这些资产在环境中快速安全地移动提供信息？

“人们很容易理解商业部门正在关注的自动驾驶汽车和自动驾驶汽车行业。我们也在尝试做类似的事情，但我们是在更恶劣的条件下用更小的车辆来做的。”

Wigness于2015年在科罗拉多州立大学（Colorado State University）获得了计算机科学博士学位，而在太平洋大学（Pacific University）攻读计算机科学本科专业时，她发现了自己对机器学习和计算机视觉的兴趣。这些话题不仅在她的计算机科学课上讨论，当时这两种技术刚刚开始获得主流关注，而且独立学习和研究课程使她能够深入探索这两个主题。

这些经历导致了两个项目，将这两个主题与对体育的热情结合起来。在她的高级项目中，Wigness研究了一种算法，该算法可以跟踪足球运动员在球场上奔跑的路线，使球员和教练的侦察过程中的关键部分自动化。

Wigness还进行了一个暑期本科生研究项目，开发一种算法，以更准确地预测NCAA I-Bowl冠军赛（BCS）橄榄球队的排名。该算法考虑了游戏中的特定玩法，而不仅仅是地点、结果和赛程强度，比碗冠军赛更准确这是当时用来决定I-BCS冠军的方法。

Wigness认为，这个项目为她赢得了在哈佛大学新英格兰体育统计研讨会上发表演讲的邀请，为她进入研究生院铺平了道路。

“当你申请研究生院时，教授们会寻找能做研究的学生，”Wigness说。“因为我有这样的经验，而且我们在一次体育统计会议上发表了我们的算法，所以学校有充分的证据证明我对他们的研究有帮助。”

随着她继续她的职业生涯，Wigness已经意识到这两个本科项目与她在DEVCOM ARL继续做的工作有多大的直接联系。主题是不同的，但过程是非常相似的。

“随着我研究事业的发展，我意识到在看似非常不同的学科或应用中意识到相似之处是多么重要，”她说。“作为一名研究人员，如果我利用我的同行已经为研究界贡献的知识，我可以更有效地利用我的贡献。在一般意义上，我可以转向相同的基本方法，我用在我的本科努力。只是输入和输出在变化。”

Wigness和她的ARL同事们面临的挑战不是现在而是未来。他们的研究着眼于三四十年后的未来，试图解决大多数人现在没有考虑到的问题。

但无论是现在还是未来，最终目标都是继续实现军事现代化，并最终挽救生命。

“最终，我们的研究与让人们远离前线以确保他们的安全有很大关系，”Wigness说。“所以，如果我们能把自动化、无人驾驶汽车和无人机器人赶在人类之前投入到一个情境中，那就是一场胜利。”