“技术帮助机器人找到前门”

在不久的将来，可能会派遣机器人作为最后英里的送货车辆，以便在找到门的时候在家门口放下外卖订单、包裹和餐包。

机器人导航的标准方法包括预先绘制区域，利用算法将机器人引导到地图上的特定目标或gps坐标。 虽然这种方法对探索特定环境(如特定建筑物的布局和计划的障碍物路线)可能有意义，但在最后一英里交货时可能会变得笨拙。

例如，想象一下，需要预先描绘机器人配送区内的各邻居、其邻居内的各家的配置、各家前门的特定坐标。 这样的任务可能很难扩展到整个城市。 特别是房子的外观经常随季节而变化的情况。 绘制各家地图也可能面临安全和隐私问题。

目前，麻省理工学院的工程师正在开发无需事先绘制区域的导航方法。 相反，在他们的方法中，机器人可以利用其环境中的线索来规划到达目的地的路径。 它可以用常用的语义术语(例如前门或车库)来描述，而不是描述为地图上的坐标。 例如，如果指示机器人将行李搬到某个人前门，您可能会看到经过训练的车道，以便让机器人知道道路在道路上是活动的，并且有可能通向人行道。 而且，人行道也有可能到达前门。

这项新技术大大缩短了机器人在明确目标之前搜索某个地方的时间，不依赖于特定住宅的地图。

麻省理工学院机械工程系的研究生迈克尔·埃弗雷特( michael everett )说:“没有必要为每个要参观的建筑物绘制地图。 通过这项技术，无论把机器人放在哪个车道的尽头，都希望找到门。

巴雷特( everett )将在本周的国际智能机器人和系统会议上介绍这个小组的成果。 这篇论文由麻省理工航空空和航天科学教授乔纳森·霍( jonathan how )以及福特汽车企业贾斯汀·米勒) justin miller合作，是了解机器人最好论文的决赛入围者。

对事物的感觉

近年来，研究人员将自然的语义语言引入机器人系统，训练机器人通过其语义标签识别对象，使其能够在视觉上将门识别为门，而不是简单地作为坚固的矩形障碍物来解决。 。

埃布里特先生作了如下陈述。 “现在，我们有能力让机器人实时了解事物的本质。

everett、how和miller使用类似的语义技术作为新导航方法的立足点。 该方法利用现有算法从视觉数据中提取特征，生成同一场景的新地图，并通过语义线索和上下文进行表达。

在他们的例子中，采用了机器人运动时利用各个对象的语义标签和深度图像构建环境图的算法。 该算法被称为语义slam (同步本地化和映射)。

在其他语义算法中，机器人可以识别和映射环境中的对象，但不能在机器人导航新环境时，也就是以最有效的路径到达语义目的地时做出决策。 比如前门。

进行探索之前，先放下机器人，然后说开始。 它会四处移动最终到达那里，但速度会变慢。 how说。

价钱要去

研究者想通过意义、上下文色彩的世界来加速机器人的路径规划。 他们开发了一种新的待售价格估计器，将现有的slam算法制作的语义图转换为第二张图，显示任意位置接近目标的可能性。

布里特先生说，这是受图像到图像的转换的启发，可以拍摄猫的照片，使它看起来像狗一样。 这里产生了同样类型的想法。 拍摄看起来像世界地图的图像，然后将其转换成看起来像世界地图的另一张图像，现在通过地图上不同点的接近度来着色以达到最终目的。

为了将较暗的区域表示为远离目标的位置，将较亮的区域表示为接近目标的区域，此价格计算图用彩色进行了着色。 例如，在语义地图上用黄色编码的人行道可以通过价格计算算法转换为新地图的黑暗区域，但是车道随着靠近前门而逐渐变轻。 是新地图中最明亮的区域。

研究人员用来自bing地图的卫星图像训练了这个新算法。 这张照片包括来自一个城市和三个郊区的77所房子。 该系统将语义图转换为可采用的价格图，针对每个最轻的区域映射最有效的路径直到最终目的。 对于每个卫星图像，埃利特都为典型前庭环境特征分配了语义标签和颜色。 例如，前门为灰色，车道为蓝色，绿色围栏为绿色。

在这个训练过程中，小组给每个图像应用了口罩，模仿了机器人的摄像机通过院子时可能拥有的详图。

我们做法的一部分妙招是[提供系统]多个部分图片，how这样解释道。 因为，那是真的必须弄清楚所有这些东西是如何相互关联的。 这是信任此功能并使其工作的部分原因。

接着，研究人员用训练数据集以外的新房子的图像模拟测试他们的做法，首先利用现有的slam算法生成语义图，然后利用该新的价格估计器生成第二张地图和通向目标的路径(这种情况下是前门)。

该集团新的价格管理技术发现前门的速度比经典导航算法快了189%。 后者在探索不太可能实现目标的领域而不考虑上下文和意义方面采取了许多步骤。

据伊芙特( everett )介绍，即使在陌生、无映射的环境中，机器人也能够采用上下文比较有效地定位目标。

埃布里特说，即使机器人运到没有包裹过的环境，也可能有和见过的其他地方一样的线索。 因此，世界的布局可能不同，但也许有共同点。

这项研究得到了福特汽车企业的部分支持。

本文：《“技术帮助机器人找到前门”》