技术帮助机器人找到前门

在不久的将来,机器人可能会作为最后一英里的送货工具,把你的外卖订单、包裹或套餐送到你家门口——如果它们能找到门的话。

机器人导航的标准方法包括提前绘制一个区域的地图,然后使用算法引导机器人朝向地图上的特定目标或GPS坐标。虽然这种方法对于探索特定的环境是有意义的,比如特定建筑的布局或规划的障碍赛道,但在最后一英里的交付环境中,它可能变得笨拙。

例如,想象一下,必须提前映射机器人交付区域内的每个社区,包括该社区内每栋房屋的配置以及每栋房屋前门的特定坐标。这样的任务很难扩展到整个城市,尤其是因为房屋的外观经常随着季节的变化而变化。为每一所房子绘制地图也会遇到安全和隐私问题。

现在,麻省理工学院的工程师们已经开发出一种不需要事先绘制地图的导航方法。相反,他们的方法使机器人能够利用环境中的线索来规划通往目的地的路线,这可以用一般的语义术语来描述,比如“前门”或“车库”,而不是用地图上的坐标。例如,如果一个机器人被指示将一个包裹送到某人的前门,它可能会从路上出发,看到一条车道,经过训练,它识别出这条车道可能通向人行道,而人行道又可能通向前门。

这项新技术可以极大地减少机器人在识别目标之前对某处房产进行探索的时间,而且它不依赖于特定居所的地图。

麻省理工学院机械工程系的研究生迈克尔·埃弗雷特说:“我们不想为每一座我们需要参观的建筑绘制地图。”“有了这项技术,我们希望让机器人停在任何车道的尽头,让它找到一扇门。”

埃弗雷特将在本周的智能机器人与系统国际会议上展示该小组的研究成果。这篇论文是由麻省理工学院(MIT)航空航天学教授乔纳森·豪(Jonathan How)和福特汽车公司(Ford Motor Company)的贾斯汀·米勒(Justin Miller)共同撰写的,它入围了“最佳认知机器人论文”(Best paper for Cognitive Robots)的决赛。

“事物的意义”

近年来,研究人员致力于将自然的语义语言引入机器人系统,训练机器人通过语义标签来识别物体,这样它们就可以把一扇门当作一扇门来处理,而不是简单地把它当作一个坚实的矩形障碍物。

埃弗雷特说:“现在我们有能力让机器人实时感知事物。”

埃弗雷特、How和米勒正在使用类似的语义技术作为他们新导航方法的跳板,该方法利用了现有的从视觉数据中提取特征的算法,以语义线索或上下文的形式生成同一场景的新地图。

在他们的研究中,研究人员使用一种算法,利用每个物体的语义标签和深度图像,构建机器人移动时的环境地图。这种算法称为语义SLAM(同步定位和映射)。

而其他语义算法使机器人识别和地图对象为他们在他们的环境,他们没有允许机器人在当下做出决定在一个新环境时,最有效的道路上走上一个语义目的地如“前门”。

“以前,探索只是让机器人扑通一声,说‘走’,它就会四处移动,最终到达目的地,但速度会很慢,”How说。

要付出的代价

研究人员希望通过语义性的、上下文相关的世界来加速机器人的路径规划。他们开发了一种新的“成本-行动估计”算法,该算法可以将现有的SLAM算法生成的语义地图转换成第二张地图,表示任何给定位置接近目标的可能性。

埃弗雷特说:“这是受到图像到图像翻译的启发,你拍一张猫的照片,让它看起来像一只狗。”“这里发生了同样的想法,你把一个图像看起来像一幅世界地图,并将其转化为其他图像看起来像世界地图的但现在是彩色的基于距离的不同分地图是最终的目标。”

这个成本-去的地图是彩色的,在灰色的比例,以表示较暗的地区是远离目标的位置,而较亮的地区是接近目标的地区。例如,在语义图中以黄色编码的人行道,可能会被cost-to-go算法翻译为新地图中较暗的区域,而车道在接近前门时逐渐变亮——这是新地图中最亮的区域。

研究人员将这个新算法应用到Bing地图的卫星图像上,Bing地图包含了一个城市和三个郊区社区的77户人家。该系统将语义图转换为成本-出行图,并根据图中较亮的区域,绘制出最有效的路径,以达到最终目标。对于每一幅卫星图像,埃弗雷特都会给一个典型前院的环境特征赋予语义标签和颜色,比如前门是灰色的,车道是蓝色的,树篱是绿色的。

在这个训练过程中,该团队还在每张图像上应用了遮罩,以模拟机器人穿过院子时可能会出现的局部视角。

“我们的方法的一部分是(给系统)很多部分的图像,”How解释道。“所以它必须弄清楚所有这些东西是如何相互关联的。这就是为什么这项工作如此强劲的部分原因。”

研究人员然后测试他们的方法的仿真图像的一个全新的房子,外面的训练数据集,首先利用既存的SLAM算法生成语义地图,然后应用他们的新cost-to-go估计生成第二个地图,一个目标和路径,在这种情况下,前门。

该团队的新成本-出发技术发现,前门比传统的导航算法快189%,传统算法不考虑上下文或语义,而是花费过多的步骤探索不太可能接近目标的区域。

埃弗雷特说,这些结果说明了机器人如何利用环境来有效地定位目标,即使是在不熟悉的、未映射的环境中。

埃弗雷特说:“即使一个机器人正在把一个包裹送到一个它从未到过的环境中,也可能会发现一些线索,这些线索与它所看到的其他地方是一样的。”“所以世界的布局可能有点不同,但可能有一些共同点。”

这项研究部分得到了福特汽车公司的支持。

新闻旨在传播有益信息,英文原版地址:http://news.mit.edu/2019/technique-helps-robots-find-front-door-1104

http://petbyus.com/18115/