分类：麻省理工大学新闻

在今天的工厂和仓库里，经常可以看到机器人呼啸而过，把物品或工具从一个站运送到另一个站。在大多数情况下，机器人很容易在开放式布局中导航。但他们要在狭窄的空间里完成一些任务要困难得多，比如从杂乱的货架后面拿东西，或者绕着汽车引擎零件拧开油盖。

现在，麻省理工学院的工程师们已经开发出了一种机器人，它的设计目的是将一个类似链状的附肢加以延伸，使之具有足够的灵活性，可以在任何必要的结构中进行扭转和转动，同时又具有足够的刚性来承受沉重的负荷，或施加扭矩来在狭小的空间中组装零件。当任务完成后，机器人可以缩回附件，并以不同的长度和形状再次延长，以适应下一个任务。

附属物的设计灵感来自于植物的生长方式，其中包括将营养物以流态化的形式输送到植物的顶端。在那里，它们被转化成固体材料，一点一点地生产支撑茎。

同样地，这个机器人由一个“生长点”或齿轮箱组成，它把一个松散的连锁块链拉进盒子里。盒子里的齿轮把链条单元锁在一起，然后把链条作为一个刚性附属物一个单元一个单元地送出去。

研究人员本周在澳门举行的IEEE智能机器人与系统国际会议(IROS)上展示了这款受植物启发的“成长中的机器人”。他们设想可以在机器人的齿轮箱上安装抓手、摄像头和其他传感器，使它能够在飞机的推进系统中漫游，拧紧一个松动的螺丝，或者把手伸到货架上抓取产品，而不影响周围库存的组织，以及完成其他任务。

麻省理工学院机械工程学教授Harry Asada说:“考虑给你的汽车换油。“打开发动机顶部后，你必须要有足够的灵活性，可以左右急转，到达机油滤清器，然后你必须要有足够的韧性来拧开机油滤清器盖，把它取下来。”

“现在我们有了一个有潜力完成这些任务的机器人，”曾在浅田实验室工作的研究生严通喜(音)说。“它可以生长，收缩，再生长成不同的形状，以适应它的环境。”

该团队还包括麻省理工学院的研究生艾米丽·卡米恩斯基和访问学者Seiichi Teshigawara，后者在会议上展示了研究结果。

最后一脚

新机器人的设计是浅田真一在解决“最后一英尺问题”方面工作的一个分支，“最后一英尺问题”是一个工程术语，指的是机器人任务或探索任务的最后一步，或脚。虽然机器人可能会把大部分时间花在穿越开放空间上，但其任务的最后一步可能是在更紧凑、更复杂的空间中进行更灵活的导航，以完成一项任务。

工程师们已经设计出各种各样的概念和原型来解决最后一个一英尺的问题，包括由柔软的气球状材料制成的机器人，这些材料像藤蔓一样生长，可以挤过狭窄的缝隙。但浅田真一说，这种柔性可扩展机器人不够坚固，不足以支持“末端执行器”，或附加组件，如抓手、相机和其他传感器，这些都是执行任务所必需的，一旦机器人爬到了目的地。

福特基金会的工程学教授浅田说:“我们的解决方案实际上不是软的，而是对刚性材料的巧妙利用。”

链的链接

一旦团队定义了植物生长的一般功能元素，他们就会在一个可扩展的机器人上，从一般意义上模仿这一点。

浅田真一说:“机器人的实现与真实的植物完全不同，但它在一定的抽象层面上展示了同样的功能。”

研究人员设计了一个齿轮箱来代表机器人的“生长尖端”，类似于植物的萌芽，在那里，随着更多的营养物质流向该部位，尖端会输送出更坚硬的茎干。在盒子里，他们安装了一个由齿轮和马达组成的系统，该系统的作用是拉起一种流化的材料——在这种情况下，是一个由3d打印的塑料单元相互连接的弯曲序列，类似于自行车链条。

当链条被送进盒子时，它会转动绞盘，绞盘通过第二套马达将链条上的某些部件与相邻的部件锁在一起，这样链条在被送出盒子时就形成了一个刚性的附属物。

研究人员可以对机器人进行编程，使其在不锁门的情况下将特定的单元锁在一起，形成特定的形状，或向特定方向“生长”。在实验中，他们可以让机器人在障碍物从基座延伸或延伸时转弯。

“它可以被锁定在不同的地方，以不同的方式弯曲，并具有广泛的运动范围，”严说。

如果链条是锁紧的，并且是刚性的，那么它的强度足以支撑一磅重的重物。研究人员说，如果在机器人的生长尖端或变速箱上安装一个夹具，机器人就有可能长到足以在狭窄的空间里漫步，然后施加足够的扭矩来松开一个螺栓或拧开一个盖子。

根据Kamienski的说法，汽车维护是机器人可以协助完成任务的一个很好的例子。“引擎盖下的空间是相对开放的，但这是最后一点，你必须绕过引擎块或其他东西才能到达机油滤清器，一个固定的手臂不能绕过它。这个机器人可以做类似的事情。”

这项研究部分由NSK有限公司资助。

麻省理工学院(MIT)今天发布的一份白皮书概述了一系列建议，内容是关于企业(尤其是石油和天然气行业的企业)如何利用情景分析，有效披露它们因全球气候变化而面临的风险和机遇。

这份名为《气候相关的财务披露:情景的使用》(Climate-Related Financial Disclosure Disclosure: The Use of scenario)的报告是由负责研究的副总统办公室(Office of The Vice President for Research)组织的，由麻省理工学院(MIT)的一个教职工团队起草。它建立在去年在麻省理工学院举办的研讨会上获得的深刻见解之上，研讨会包括来自石油和天然气公司、信用评级机构、投资公司和非政府组织的代表，以及从事全球气候情景制作的学者和其他实体。

麻省理工学院负责研究的副校长Maria T. Zuber说:“这份报告及其衍生的研讨会，是麻省理工学院在我们的气候变化行动计划下正在进行的努力的一部分。”“该计划的一个关键元素是一项与广泛领域合作的战略，以加速世界从碳排放能源的转型。”

财务信息披露包括对可能影响公司运营、设施和财务业绩的风险因素的审查，这是为潜在投资者和贷款人、信用评级机构和保险公司提供指导的重要工具。然而，为了使这些披露有用，它们必须使用可比较的方法和一致的方法来准备。

2017年，由二十国集团金融稳定理事会建立的气候相关金融信息披露工作组(TCFD)为促进这种一致性提供了指导框架和一系列建议。然而，根据TCFD的建议，使用情景分析来描述公司战略的弹性，对公司来说仍然是一个重大的挑战。麻省理工学院在气候未来分析方面有着丰富的经验，它认为这是一个为这项任务提供一些启示的机会。

研究副总裁办公室的研究助理、该报告的主要作者Erik Landry SM ‘ 18说:“关键是要与产业界合作，帮助所有不同的利益相关者就他们使用的场景达成一致。”“一旦达成共识，那么至少我们都在为同一个问题努力。兰德里也是麻省理工学院技术和政策项目的毕业生。

该报告旨在通过促进对潜在情景的更好理解，推进基于情景的气候相关风险和机遇的披露状况。它旨在帮助石油和天然气公司产生更多有用的基于情景的信息披露，帮助金融界更好地评估此类信息披露，并促成对话，帮助情景生产者使他们的情景与公司层面的气候相关风险评估更加相关。

亨利·雅各比威廉·f·磅管理学教授,退休,在麻省理工学院斯隆管理学院和麻省理工学院工作小组的成员说,“大多数气候场景开发研究的意义具体政策或技术发展,不是短期金融风险评估在一个特定的行业,“所以报告试图概述这样的场景的方法可以有效地应用到这个新任务。他补充道:“我们正努力调整这些工具，以适应我们试图利用它们达到的目的。”在这种情况下，一个主要的目标是帮助金融决策者做出更明智的决定，以最佳的方式分配资源，可能是与低碳转型相一致的方式。

报告指出，许多不同的组织都产生了这样的场景。一种广泛使用的场景是由国际能源机构每年发布的。但是其他几个组织，包括综合评估模型联盟、国际可再生能源机构和经济合作与发展组织，也提出了一些设想，每个都采用了不同的方法。兰德里说，这些气候情景的制造者“在建模方法上各不相同，而且其中一个或另一个可能与某些领域更相关。”“重要的是，财务决策者要意识到对未来的潜在假设。”

可以说，使用情景的优势在于它们可以探索的未来可能性范围，从“照常营业”的情景，到全球气温上升不超过2摄氏度的情景。场景包括关于技术和政策的各种假设。这些情景中的一些假设相对比较容易量化，比如碳价格是否被实施，如果实施了，价格是多少，以及随着时间的推移价格是如何增长的。其他因素具有更大的内在不确定性，如能源生产和储存技术的预期改进率、碳捕获和封存的发展和可伸缩性，或社会因素，如人们如何迅速改变与能源有关的选择。

该报告提出的一个建议是，让油气公司将自己的情景与“参考情景”(reference scenario)进行比较，后者是许多利益相关者普遍使用和理解的可信情景。尽管公司可能要包括自己的具体场景基于自己的设施和供应链的独特特点,明确他们的场景是如何不同于参考案例使投资者评估每个公司自己的优点,同时也保持一定程度的公司之间的可比性。兰德里说:“只要公司清楚、透明地披露他们使用的情景和假设，他们就能让投资者做他们的工作，看看他们如何比较。”

它还呼吁企业在描述自己的战略在面对气候变化和低碳转型时的弹性时，要做到面面俱到。这包括解决公司的弱点所在和他们的准备程度。对于评估这些描述的观众来说，重要的是“要警惕那些在清晰、一致和透明的场景中没有明显基础的弹性的一般说法，”兰德里说。

虽然这份报告的重点是石油和天然气行业与气候相关的信息披露，但作者认为，它所概述的原则也应该非常适用于许多其他行业，如制造业、商业运输或农业。有了更多有用的信息披露，财务决策者不仅可以做出有利于自身利益的选择，还可以鼓励更可持续的商业模式的发展。

这份报告是由麻省理工学院的工作小组与气候有关的场景,除了兰德里和雅各比包括路易卡和Sergey Paltsev麻省理工学院能源倡议,詹姆斯·戈梅斯的副总裁办公室的研究,和唐纳德Lessard伯大尼Patten麻省理工大学斯隆管理学院的。

麻省理工学院博物馆工作室和康普顿画廊的经理塞斯·里斯金(Seth Riskin)用手在空无一物的空气中追踪光束，这时教室里传来一声惊叹声。这种错觉很简单:瑞斯金用频闪灯逐渐加速，用手扫过快速变化的光束，创造出视觉魔术。

频闪灯很难说是麻省理工学院实验室中发现的最先进的技术，但正如共同指导员兼人类学教授格雷厄姆·琼斯(Graham Jones)所言:“在麻省理工学院10年的教学生涯中，我从未听过整个教室里的学生发出这样的感叹。”

不管多么基础，瑞斯金对光线的熟练运用都产生了深远的影响，学生们共同经历了一个惊喜和惊奇的时刻。这就是人类学的新课程21A。S01(超自然的机器),都是关于:探索人类经验的令人不安的和不可思议的有关技术和发现人们和文化构建故事和信仰在普通版经验。



跨学科工作



在日常用语中，超自然这个词通常指幽灵猎人和千里眼的虚幻世界。但瑞斯金和琼斯使用这个词的方式不同，但从根本上讲，它包含了挑战我们典型的期望和感知的人类经验的品质。事实证明，这是艺术和人类学相互探讨的一个伟大话题，因为艺术有能力创造新的、变革性的体验，而人类学是研究体验多样性的一门科学。“当我们探索艺术和人类学的重叠之处时，”里斯金说，“我们发现了深刻而复杂的联系。”

麻省理工学院艺术、科学和技术中心(CAST)的一项跨学科的班级发展资助使里斯金和琼斯及时进行了这项探索。21年级学生的经验素质。随着人工智能越来越成为我们日常生活的一部分，我们开始接触到一些似乎具有思考、视觉和理解能力的机器，它们似乎拥有自己的生命，S01的研究在我们这个时代有了新的意义。人们以各种各样的方式感知和体验这些技术，包括惊奇、焦虑、兴奋、喜悦、恐惧、不确定和喜爱。

从实践经验中学习



这门课的学生们正在用人类学和艺术的眼光来探索这种感知，用人文主义的眼光来更好地理解我们与技术之间不断发展的关系。课堂上所产生的经验让学生有机会思考人类是如何在多层次和神秘的经验中创造意义的，包括与先进技术的互动。

里斯金表示:“学生们是在体验式地学习课程内容。”“对于许多学生来说，这是一种利用艺术实践和感知的新方法。“21。S01要求学生综合运用创造性的解释、理论理解、个人反思以及技术知识和信息。

“这种方法让我们可以和学生一起学习，”琼斯补充道。“我不断地发现一些东西，它们丰富了我的人类学理解，我想在未来的课程中重新考虑这些东西。这正是为什么CAST的支持是如此具有变革性的。”

本课程首先向学生介绍人类学阅读和艺术创作——从动态艺术到宗教仪式的对象——然后努力发展对人类大脑如何感知这些作品为有生命的、有意识的或有反应的作品的理解。演员的支持还确保学生有足够的资源来发展自己的演示和工程师经验,可以产生怀疑,不确定性或魅力。



视觉艺术的实验室



课程在麻省理工学院博物馆工作室和康普顿画廊(Compton Gallery)内进行。康普顿画廊位于麻省理工学院博物馆10号楼，是一个熙熙攘攘的玻璃墙工作室和实验展览馆。

这里是一个创造性的实践社区，探索科学和艺术方法之间的共性，这里的灯光和声音让过去学生制作的大型技术艺术作品眼花缭乱。该课程分为交替的工作室会议和研讨会，分别由Riskin和Jones领导，由两位导师共同开发。“有趣的是看的那种不可思议的经验和看法可以产生复杂的信念,”琼斯说。


他补充道:“当你在人类学著作中写到这些事情时，你就包含了语言、分析和批判性评论的力量。”“我们想要探索科技艺术作品的一个方面是，创造这种体验和感知的可能性，并专注于它们，专注于体验它们的力量。”

班级成员Erica Yuen是孟项目的一名二年级研究生，她说:“我们讨论的是，要让某样东西看起来像人类，所需要的最小信号量。”事实证明，这并不需要那么多。这门课程挑战了我对现实的认知，因为它表明，我们将过去的经历投射到模糊的信号上，从而创造出一个故事。”

工程感情的机器?

在一个以抽象和模糊为主题的课程中，学生们拿到了一张半透明的薄纸和一排小灯。利用网络摄像头和其他传感器，学生们可以在纸上模糊的光线中创建实时变化。在工作室会议的最后，一个小组创造了一个简单的，柔软的发光的球体，它使用超声波信号来检测运动。如果有人移动得太快或者靠得太近，orb就会消失，只会慢慢地重新出现在数组的其他地方。在向全班展示这一发明时，如果一个人因为太靠近传感器而坐立不安，就意味着整个装置都变暗了。

“小心，”一个学生说，“你吓着它了!”

为什么我们要把情感和叙事赋予非人类的、非叙事的视觉效果?这是这门课的基本问题之一，为了回答这个问题，学生们要探索那些感知开始的模糊时刻。

“艺术家们对不确定性或模糊性的状态很感兴趣，”琼斯说。“最好的艺术往往是强大的，因为它不能被分解成任何一种简单的解释，艺术作品的价值实际上取决于多种解释可能同时是真实的，而不是相互排斥的。”我们试图在人类学思想和艺术表达之间开辟一个互补的空间——在这些解释性不确定性的经验时刻。”

在一次以模糊的机械运动为主题的工作室会议上，数学专业的大四学生Liv Koslow展示了她的团队的演示:对速度和距离的反应，不同材料的机械运动——有些是可预测的，有些是不可预测的。而机器没有功能的方式,说,Roomba或无人驾驶侦察机,Koslow解释说,与人类相互作用的原理是一样的:这台机器是为了立即表示感觉和反应的能力,但在这种情况下,它还传达情感行为的出现。

学生们不仅对机器的感知行为模棱两可。来自电气工程与计算机科学专业的大二学生以太·别祖格拉(Ether Bezugla)使用一种金属材料，通过简单的压力变化，就能使其呈现出流体的形态。他展示了设计元素如何提升或操纵人类感知。Bezugla对探索感官的模糊性很感兴趣，因此被吸引到课堂上，他使用这个令人惊讶的设计练习来“探索一个人感知异常的阈值”，并开始尝试解释它的意义。

歧义的应用

琼斯的人类学研究长期以来一直专注于娱乐魔术——我们所认为的舞台魔术、戏法和幻觉。21个。S01对他来说是一个开始;这门课是关于奇迹，而不是幻想。具有讽刺意味的是，他说，“一些对奇妙、神秘体验最激烈的批评者可能是魔术师，因为他们知道人们很容易被他们的信仰误导。”

本课程所发展的概念，将人类知觉的关键问题与洞见，带入人类介面科技的前沿:科技如何深化人类经验与丰富内在景观?我们如何推动科技让人感觉更“有活力”或更人性化?当我们与Alexa聊天或给我们的roomba起名字时，是什么让我们把我们的技术当成有自己生命的东西?

阮玲玉说，课堂上富有启发性的经历将为她的工作提供认知科学的计算方法。她的工作涉及感知和反应的最细微的方面，她还计划将超自然机器的经验应用到她的模糊和面部结构的艺术作品中。

瑞斯金认为这门课是对麻省理工学院院长雷夫(L. Rafael Reif)所称的“双语”教育使命的一种贡献:让学生发展技术和人文领域的专业知识，以及探索和认知的方式。瑞斯金说:“跨学科语言之间的联系，比如艺术和人类学，为我们所说的双语智能及其在学习经验中的积累带来了精确性和方法。”

故事由沙斯党通信


编辑团队:艾莉森·尼尔和艾米丽Hiestand


8月一个闷热的日子，16名麻省理工学院(MIT)即将入学的本科生聚集在西休息室(West Lounge)，参加一个名为“识别身份”(identify the Identity)的研讨会，旨在帮助他们探索自己作为第一代学生的背景和经历。主持人、麻省理工学院大四学生蒂娜•帕夫洛维奇(Tina Pavlovich)在一张幻灯片上简洁地概括了大家的共同优势:“第一代/低收入家庭的学生拥有特别坚定的决心、毅力和适应力。正是克服重大困难的能力，使我们有独特的动力。记住。”

这只是由第一代项目(FGP)赞助的一个新的培训项目的许多收获之一。这个为期6天的项目被称为FLIPOP(第一代/低收入者入职前培训项目的简称)，旨在帮助学生从高中顺利过渡到大学。在帕夫洛维奇和其他三名学生辅导员(他们都是第一代学生)的指导下，参与者熟悉了资源和机会，探索了麻省理工学院的校园，并开始创建一个持久的社区。

除了介绍校园生活的具体细节外，“我们还想从‘你会没事的’这样的话开始。”大二学生、FLIPOP顾问坦纳·邦纳(Tanner Bonner)说:“这里有很多人经历过你即将经历的事情，他们的背景和你一样。”

FLIPOP是FGP今年推出的一系列新项目和活动的一部分——从混合器到辅导——旨在提高知名度，增强这一群体的归属感。“去年，我们对我们的学生进行了调查，以了解我们如何才能提高，”第一年办公室的FGP顾问泰勒·庞斯(Taylor Pons)说。“我们的学生领袖从与其他大学的第一代学生的联系中获得了灵感。我们正在把所有这些资金投入到FGP，我对我们今年做出的改变感到兴奋。”

浏览“隐藏课程”

第一代学生约占麻省理工学院本科生总数的五分之一。然而，这感觉就像一个无形的身份，因为一些学生认为作为第一代是一种耻辱。帕夫洛维奇表示:“很难说你是第一代。”同样来自低收入家庭的学生可能会感到更加耻辱。邦纳指出:“这些问题有很大重叠。

“我们的许多第一代学生为了进入麻省理工学院已经克服了重大挑战。他们会发展出惊人的适应力和应对技巧，这很好。但是，一旦他们到了这里，他们可能会遇到很多问题，”庞斯说。“这些课程往往围绕着财务、学术准备和搞清楚大学是如何运作的——通常没有家庭指导。”

帕夫洛维奇补充说:“还有社交方面的因素，比如‘我听到有人说，他们去的那家餐厅非常贵，我买不起。我怎么导航?或者，如果成为第一代是我身份的重要组成部分，但又是我身份中无形的一部分，我该如何与那些让我感觉舒服的人交朋友呢?”

二年级学生克劳迪娅•卡布拉尔说，另一个常见的主题是“摆脱负罪感”。“问题在于如何驾驭这些介于两者之间的世界。你会因为感觉自己要离开家人而感到内疚。我很难一头扎进来说，‘这是为了我的事业，我的未来，我现在就需要考虑这个’，而在我的内心深处，我一直在想，‘这是为了我们，这是为了我们所有人;我的成功就是你的成功。’”

尽管有这些共同的经历，一个难题仍然存在。“这是一个非常有趣的动态，”卡布拉尔说。“你如何用一个沉默的身份建立一个社区?”

催化的对话

去年2月，帕夫洛维奇、邦纳和卡布拉尔有机会探讨这个难题。去年2月，他们和庞斯一起参加了普林斯顿大学(Princeton)为第一代学生举办的名为1vyG的会议。这个一年一度的活动为第一代和低收入家庭的学生提供了一个机会，让他们分享经验，建立联系，并相互授权。

“这是难以置信的，”邦纳说，从关于他们身份的深入、真实的对话，到了解其他大学正在做什么来支持第一代和低收入家庭的学生。“那次旅行证实了我对自己的感觉，对我面临的问题的感觉。它教会我，我是坚强的;我不弱。还有很多人正在经历这样的事情。我想让MIT的其他人知道这一点。”

这也让帕夫洛维奇大开眼界。帕夫洛维奇说:“美国各地都有人正在经历许多类似的经历。“当我们在学校的时候，我们可能会感到有点孤独，但是来到这里，我们感觉如此的紧密相连。我意识到，我们需要能够谈论(我们的经历)……这是我们在麻省理工可以做的。”

桥斯和学生们确定了1vyG的关键要点，并进行了头脑风暴，将他们的想法融入到未来的FGP编程中。“一旦会议开始，就有足够的活化能让人说，‘让我们这样做吧!让我们做些改变吧!“卡布拉尔说。

邦纳、卡布拉尔和庞斯回到校园后不久就开始策划FLIPOP。除了插入实用的信息和有趣的活动，他们还分配了充足的时间来谈论如何成为第一将军。一名参与者后来写道，“我没想到在我离开FLIPOP之前，自己会有一个如此亲密的家庭。”

让不可见变为可见

除了FLIPOP，庞斯和学生们全年都在推出新的FGP项目。受1vyG上关于交叉性(不同社会群体之间的相互联系)讨论的启发，他们计划在10月份与国际学生办公室、少数民族教育办公室和LGBTQ+服务合作举办两场混音会。除了其他活动外，每月一次的家庭式晚餐和开放麦克风之夜也在筹备之中。

FGP还在试行一项同伴指导计划，并为教员顾问开发了新的培训，以帮助他们了解第一代学生可能面临的问题，并使他们熟悉可用的资源。与此同时，副校长办公室最近成立了第一代/低收入工作组(First Gen/Low Income Working Group)，由脑桥学院联合担任主席，评估学院为支持第一代和低收入学生所做的总体努力。

帮助第一代的学生更加的一部分校园FGP发起了贴纸的竞选,标志以蒂姆海狸穿着FGP t恤和帽子。贴纸可以首先创教职员工或任何人想显示他们的支持。邦纳解释说:“如果你路过教授的办公室，看到那张贴纸，你对自己与他们关系的看法，以及你可能与他们谈论的话题，几乎都会改变。”11月8日，作为全国第一代大学庆祝活动的一部分，他和其他FGP学生领袖将在10号大厅分发贴纸和其他第一代赠品。

他说:“这一切都要追溯到在校园里看到一种无形的身份。”

麻省理工学院(MIT)和丰田(Toyota)的研究人员设计了一种新模型，可以帮助自动驾驶汽车判断何时在视线受阻的十字路口并入车流是安全的。

无论是无人驾驶汽车还是人类，在十字路口行驶都是危险的。根据2018年交通部的一项研究，2016年，大约23%的致命交通事故和32%的非致命交通事故发生在十字路口。帮助无人驾驶汽车和人类司机在十字路口驾驶的自动化系统，可能要求司机能直接看到他们必须避开的物体。当他们的视线被附近的建筑物或其他障碍物阻挡时，这些系统就会失灵。

研究人员开发了一个模型，该模型利用其自身的不确定性来评估潜在的碰撞或其他交通中断的风险。它衡量了几个关键因素，包括附近所有的视觉障碍、传感器噪音和误差、其他车辆的速度，甚至还有其他司机的注意力。根据测量的风险，系统可能会建议汽车停下来，驶入车流，或者向前轻推以收集更多的数据。

“当你接近十字路口时，有潜在的碰撞危险。照相机和其他传感器需要视线。计算机科学和人工智能实验室(CSAIL)主任、电气工程和计算机科学的安德鲁和埃尔纳·维特比(Andrew and Erna Viterbi)教授丹妮拉·罗斯(Daniela Rus)说。“在这项工作中，我们使用了一种对不确定性更强的预测控制模型，来帮助车辆安全地在这些具有挑战性的道路情况下行驶。”

研究人员对该系统进行了100多次测试，在模拟城市中，遥控汽车在繁忙、堵塞的十字路口左转，而其他汽车则不断穿过十字路口。实验涉及全自动汽车和由人类驾驶但由系统辅助的汽车。在所有的案例中，根据不同的因素，该系统成功地帮助汽车在70%到100%的时间内避免碰撞。在相同的遥控车上安装的其他类似模型有时无法在不发生碰撞的情况下完成一次试运行。

加入Rus的有:第一作者Stephen G. McGill, Guy Rosman，和丰田研究所(TRI)的Luke Fletcher;研究生Teddy Ort和Brandon Araki，研究员Alyssa Pierson，博士后Igor Gilitschenski，都来自CSAIL;麻省理工学院航空航天副教授Sertac Karaman;约翰·j·伦纳德，麻省理工学院机械和海洋工程塞缪尔·c·柯林斯教授，TRI技术顾问。

建模公路段

这款车型是专门为十字路口设计的，在十字路口没有红绿灯，汽车在进入车流前必须先让路，比如左转通过多车道或环形车道。在他们的工作中，研究人员将道路分成小段。这有助于模型确定任何给定的段是否被占用，以估计有条件的碰撞风险。

自动驾驶汽车装有传感器，可以测量路上其他车辆的速度。当一个传感器记录一辆经过的汽车行驶到一个可见的路段时，该模型使用这个速度来预测汽车通过所有其他路段的进程。概率“贝叶斯网络”也会考虑不确定性——比如有噪声的传感器或不可预测的速度变化——来确定每一段被过往车辆占据的可能性。

然而，由于附近的闭塞，这种单一的测量可能不够。基本上，如果一个传感器不能看到指定的路段，那么这个模型就会赋予它被堵塞的高可能性。从汽车所在的位置看，如果汽车只是快速驶进车流，碰撞的风险就会增加。这鼓励汽车向前轻推，以获得所有堵塞部分的更好的视图。当汽车这样做时，模型降低了它的不确定性，进而降低了风险。

但是，即使该模型做的一切都是正确的，仍然存在人为错误，所以该模型也会估计其他司机的意识。麦吉尔说:“如今，司机们可能在发短信或其他分心的事情，所以他们做出反应的时间可能要长得多。”“我们也对这种有条件风险进行了建模。”

这取决于司机看到或没有看到自动驾驶汽车驶入十字路口的概率。为了做到这一点，该模型会查看行驶的车辆在十字路口之前通过的路段数量。它在到达十字路口之前占据的路段越多，它发现自动驾驶汽车的可能性就越大，碰撞的风险也就越低。

该模型汇总了所有来自交通速度、交通阻塞、噪声传感器和驾驶员感知的风险评估。它还会考虑自动驾驶汽车需要多长时间来引导一个预先规划的道路通过十字路口，以及所有安全的路口停车点。这产生了一个总的风险估计。

无论车辆位于十字路口的哪个位置，该风险评估都会不断更新。例如，在存在多个遮挡时，它会一点点向前推进，以减少不确定性。当风险估计足够低时，模型告诉汽车不停车通过十字路口。研究人员发现，在十字路口中间逗留太久也会增加撞车的风险。

援助和干预

研究人员说，在远程控制汽车上实时运行这个模型表明，它的效率和速度足以在不久的将来部署到全尺寸的自动驾驶汽车上。(许多其他车型在计算上过于笨重，无法在这些车上运行。)在实际应用于生产车辆之前，该模型还需要更严格的测试。

该模型将作为一个补充的风险度量，一个自动驾驶系统可以用来更好地解释安全通过十字路口。该模型也有可能在某些“高级驾驶员辅助系统”(ADAS)中得到实现，在这些系统中，人类保持对车辆的共同控制。

接下来，研究人员打算在模型中加入其他具有挑战性的风险因素，如道路交叉口内和周围的行人。

当人们死亡时，他们可以在24到48小时内成为器官捐赠者。但在美国，有20%的肾脏在这种情况下可以被移植，但却从未被使用过。

与此同时，据估计，有30%到50%的活人愿意捐献肾脏，但却找不到接受者。任何时候都有大约10万美国人在等待肾脏移植，这种情况并不理想。

我们可以做些什么来帮助解决这个问题呢?把这个问题交给市场设计学者，比如麻省理工学院(MIT)经济学家尼希尔•阿加瓦尔(Nikhil Agarwal)，他对这个问题进行了深入细致的研究。

在麻省理工学院(MIT) E52大楼的围墙内，经济学方程式在白板上随处可见，阿加瓦尔的工作现已跃入医疗机构。去年，他和一些同事制定了一种新的方法，用于更有效的肾脏捐献系统，该方法已被美国第二大器官移植平台——配对捐献联盟批准实施

“这特别令人兴奋，”阿加瓦尔说。他对自己的成就很低调，但他也承认，看到自己的工作产生了切实的影响，他很激动。目前美国每年大约有800例肾脏移植手术;根据阿加瓦尔的估计，一个更有效的交易所市场可以使这一数字增加30%到60%。

虽然阿加瓦尔的工作仍在实施中，而且还不容易量化其影响，但很容易看出他在学术界的上升轨迹。由于他的研究和教学，阿加瓦尔在今年早些时候获得了麻省理工学院的终身教职。

“很多市场不是这样运作的”

乍一看，对经济学家来说，移植似乎不是问题。但是，越来越多的经济学家已经在理解配对的市场方面取得了显著的进展——移植捐赠者和接受者、申请人和学校——而不是用金钱来解决问题。

“在经济学中，”阿加瓦尔说，“我们经常(假设)存在需求、供应、价格和市场出清。它只是发生。然而，他说，“很多市场不是这样运作的。”在所有这些不同的重要市场，我们都不允许涨价。”

因此，“市场设计”领域的学者会仔细研究这些非金融市场，观察它们的规则和程序如何影响结果。阿加瓦尔称自己是“不使用价格的资源分配系统”的专家。这些包括肾脏捐献:法律禁止出售重要器官。例如，许多教育体系和初级劳动力市场也属于这一类。

在阿加瓦尔的案例中，他有自己的专长。一些市场设计学者是理论家。阿加瓦尔是一位经验主义者，他定位非价格市场的数据，评估它们的效率，并做出改进。

阿加瓦尔说:“数据可以教会你一些你可能想不到的新东西。”

在一系列研究美国肾脏移植系统低效的论文中阿加瓦尔和其他几位合著者研究了这些数据，得出了解决方案。阿加瓦尔发现，低效率的一个主要原因是缺乏规模。更大的医院网络可以更好地匹配捐赠者和接受者。目前，62%的肾脏供体和受体配对是由同一家医院的病人组成;在一个更有效的系统中，这个数字会更低。

原因之一是:捐献者和接受者必须有匹配的血型。O型血的人可以跨血型捐献肾脏，但他们只能接受其他O型血人的肾脏。由于人们进入肾脏市场的时间，一个更大的网络在这方面更有效。在单一医院网络中，22.8%的O型血供者将肾脏捐献给非O型血受者(可能会找到其他供者)，而在美国最大的肾脏网络中，只有6.5%的人这样做，这意味着O型血供者的连接更为理想。

阿加瓦尔的研究还表明，医院在处理移植手术过程中往往非常关注他们所产生的财务和行政成本——尽管这些成本与移植手术的整体社会价值相比微不足道。正如他所详述的，精心设计的补贴和授权可以帮助解决这一特殊问题。

开放的问题需要答案

阿加瓦尔是布兰迪斯大学(Brandeis University)经济学和数学双学位学生，2008年获得学士学位。刚从大学毕业，阿加瓦尔就被哈佛大学(Harvard University)的经济学博士项目录取了，但正如他所述，他对自己想学什么没有一个清晰的概念。然而，不久之后，阿加瓦尔在哈佛大学结识了阿尔文·罗斯(Alvin Roth)，后者是一位创新的市场设计理论家，很快将在2012年获得诺贝尔奖;罗斯的工作帮助建立了择校项目的新机制。

阿加瓦尔与罗斯、哈佛大学教授苏珊·阿西(现为斯坦福大学教授)、阿里尔·帕克斯、麻省理工学院教授帕拉格·帕塔克一起工作，开始关注市场设计问题，并培养了他对经验主义的兴趣。理论家们打破了市场设计领域的开放;因此，有关许多市场活动的未解问题已被确定，但不一定能得到解答。

“我一直喜欢把不同的学习方法结合起来，”阿加瓦尔说。“一开始我是作为一名理论家接受培训的，但后来我对数据产生了兴趣，因为我在那里看到了一大堆开放的问题，它们不是由数字提供信息的。阿加瓦尔称珀克斯对他产生了重大影响，“他向我展示了数据，尤其是与理论相结合时，可以教会我们什么。”

阿加瓦尔于2014年加入麻省理工学院，并开始在一系列的主题和不同的市场上发表论文。他研究过网络广告和择校系统;他最早发表在2015年《美国经济评论》(American Economic Review)上的一篇重要论文，研究了将医学院学生分配给实习医生的制度。

不过，阿加瓦尔的大部分工作都是专门针对肾脏移植的，这是他逐渐建立起来的一个知识领域。

“你需要有领域的专业知识，”阿加瓦尔说。“这很重要。否则[理论]可能无法直接实现。因为这个原因，人们确实很专业，所以他们了解环境。阿加瓦尔的合著者之一是肾脏移植外科医生。

“我从别人那里学到了很多东西，”阿加瓦尔说。

正如他所说的，他还从他在麻省理工学院经济系的家中受益，在那里，所有的工作都是有价值的——即使是在非价格市场上的工作，正如阿加瓦尔讽刺的那样，至少在外人看来，这可能是“一件奇怪的研究对象”。

阿加瓦尔补充道:“经济系是一个在智力上令人惊叹的思考之地。”“人们看重工作的价值，而且他们思想开放。”

现在，阿加瓦尔还鼓励其他人研究各种各样的市场:他的学生正在研究各种各样的课题，包括电力市场、印度尼西亚的棕榈油行业、澳大利亚的水市场等等。他指出，每一个这样的市场在实践和参与者的行为上都可能与其他市场不同。

阿加瓦尔说:“我们必须更仔细地考虑市场如何运作，需求如何满足供应，以及这一切的影响。”

毕竟，就像阿加瓦尔已经看到的那样，对市场更谨慎的思考可能会对现实世界产生更大的影响。

氨分子，NH3，通常以伞状存在，三个氢原子以非平面的形式围绕一个氮原子展开。这种伞状结构非常稳定，通常需要大量的能量才能实现逆转。

然而，一种叫做隧道效应的量子力学现象允许氨和其他分子同时居住在被高能量壁垒隔开的几何结构中。包括麻省理工学院化学教授罗伯特·菲尔德、罗伯特·t·哈斯拉姆和布拉德利·杜威在内的一组化学家，通过使用一个非常大的电场来抑制同时处于正常和倒立状态的氨分子的占领，研究了这一现象。

菲尔德是这项研究的资深作者之一，他说:“这是隧道现象的一个很好的例子，它揭示了量子力学的奇妙之处。”

首尔国立大学(Seoul National University)的化学教授Heon Kang也是这项研究的资深作者之一。该研究发表在本周的《美国国家科学院院刊》(Proceedings of the National Academy of Sciences)上。首尔国立大学的Youngwook Park和Hani Kang也是这篇论文的作者。

抑制反转

这项实验是在首尔国立大学进行的，研究人员采用了一种新方法，将一个非常大的电场(最高可达2亿伏特每米)施加到夹在两个电极之间的样本上。这个组装体只有几百纳米厚，施加于其上的电场产生的力几乎与相邻分子间的相互作用一样强。

“我们可以应用这些巨大的场，它们的大小几乎与两个分子相互靠近时所经历的场的大小相同，”菲尔德说。“这意味着我们正在使用一种外部手段，在一个平等的竞争环境中，让分子自己发挥作用。”

菲尔德说，这使得研究人员能够探索量子隧穿现象，这种现象经常在本科化学课程中被用来演示量子力学的“幽灵效应”之一。

打个比方，想象你在一个山谷里徒步旅行。要到达下一个山谷，你需要爬一座大山，这需要做很多工作。现在，想象一下，你可以通过隧道穿过这座山到达下一个山谷，不需要真正的努力。这就是量子力学所允许的，在一定条件下。事实上，如果两个谷折的形状完全相同，你就会同时位于两个谷折中。

以氨为例，第一个谷是低能、稳定的伞态。要让分子到达另一个山谷，即具有完全相同的低能的反向状态，通常需要提升到一个非常高能量的状态。然而，在量子力学上，孤立分子在两个谷中的概率相等。

在量子力学中，分子的可能状态，如氨，是用一种特殊的能级模式来描述的。该分子最初存在于正常或倒立结构中，但它可以自发地隧道到另一结构。隧穿发生所需的时间量被编码在能级模式中。两种结构之间的势垒越高，隧道开挖时间越长。在某些情况下，如施加强电场，可以抑制规则结构和倒立结构之间的隧穿。

对于氨，暴露在强电场中会降低一个结构的能量，提高另一个(反向)结构的能量。因此，所有的氨分子都处于低能态。研究人员通过在10开尔文处创建一个分层的氩-氨-氩结构来证明这一点。氩是一种惰性气体，在10k时是固体，但在氩中氨分子可以自由旋转。随着电场的增大，氨分子的能态发生变化，发现分子处于正态和反态的概率越来越远，不再发生隧穿现象。

这种效应是完全可逆和无损的:当电场减小时，氨分子在两个阱中同时回到它们的正常状态。

“这份手稿描述了我们在驯服分子和控制其基本动力学能力方面的一个新兴前沿，”耶鲁大学(Yale University)的化学教授帕特里克·瓦卡罗(Patrick Vaccaro)说，他没有参与这项研究。“本文提出的实验方法是独特的，它对未来研究分子结构和动力学有巨大的影响，目前的应用为隧道介导现象的本质提供了基本的见解。”

降低贸易壁垒

菲尔德说，对许多分子来说，隧穿的障碍是如此之高，以致于在宇宙的生命周期中永远不会发生隧穿。然而，除了氨分子外，还有其他分子可以通过仔细调节外加电场而诱导成隧道。他的同事们现在正致力于利用这种方法来研究其中的一些分子。

菲尔德说:“氨的特殊之处在于它的高度对称性，而且它可能是人们从化学角度讨论隧道效应的第一个例子。”“然而，有很多例子可以利用这一点。由于电场如此之大，它能够在与实际化学反应相同的尺度上起作用，“提供了一种强大的外部操纵分子动力学的方法。”

这项研究由三星科技基金会和国家科学基金会资助。

麻省理工学院(MIT)和伍兹霍尔海洋研究所(WHOI)的研究人员发明了一种自主的机器人系统，它能有效地在广阔的、未经探索的水域中探测出科学上最有意思但又很难找到的采样点。

环境科学家通常对在环境中最有趣的地方收集样本很感兴趣。一个例子可能是泄漏的化学物质的来源，那里的浓度是最高的，基本上没有受到外部因素的破坏。但最大值可以是研究人员想要测量的任何可量化的值，比如水深或暴露在空气中的珊瑚礁部分。

部署追求最大化的机器人的努力受到效率和准确性问题的影响。通常情况下，机器人会像割草机一样来回移动，以覆盖一个区域，这很耗时，而且会收集很多无趣的样本。一些机器人能感应并跟踪高浓度的踪迹找到泄漏源。但他们可能被误导。例如，化学物质会在远离源头的缝隙中积累。机器人可能会识别出这些高集中点，但它们离源头还很远。

在国际智能机器人与系统会议(IROS)上发表的一篇论文中，研究人员描述了“羽流”，这是一种能够使自主移动机器人以更快、更有效的速度瞄准最大目标的系统。羽流利用概率技术来预测哪些路径可能导致最大的，同时导航障碍，漂移的电流，和其他变量。当它收集样本时，它会权衡它所学到的知识，以决定是继续走一条有前途的道路，还是去寻找未知的东西——这些未知的东西可能藏有更有价值的样本。

重要的是，这些烟羽到达目的地时并没有被困在那些复杂的高浓度点。“这很重要，因为人们很容易认为你发现了金子，但实际上你发现的是傻瓜的金子，”共同第一作者维多利亚•普雷斯顿(Victoria Preston)说。她是计算机科学与人工智能实验室(CSAIL)和MIT-WHOI联合项目的博士生。

研究人员建造了一艘以羽毛为动力的机器人船，成功地在巴巴多斯的贝勒尔(Bellairs)边礁上发现了最暴露的珊瑚头——这意味着，它位于最浅的地方——这对研究阳光照射如何影响珊瑚有机体非常有用。在100个不同水下环境的模拟试验中，一个虚拟羽流机器人在规定的时间内收集到的最大采样量是传统覆盖方法的7到8倍。

“地幔柱做了最少的必要探索来发现最大的，然后迅速集中精力收集有价值的样本，”共同第一作者吉纳维芙·弗拉斯波勒说，她是一名博士生，在CSAIL和MIT-WHOI联合项目工作。

除了普雷斯顿和弗拉斯波勒之外，还有:安娜·普雷斯顿Michel和Yogesh Girdhar都是世界卫生组织海洋物理与工程应用系的科学家;还有Nicholas Roy, CSAIL和航空航天系的教授。 

在探索探索的权衡中导航

对羽流的一个关键洞察是使用从概率到推理的技术，在探索已知的环境和探索可能更有价值的未知领域之间进行复杂的权衡。

Flaspohler说:“最大限度探索的主要挑战是让机器人在从已知的高度集中的地方获取信息和探索未知的地方之间取得平衡。”“如果机器人探索得太多，它最多也不会收集到足够有价值的样本。如果探索得不够，它可能会完全错过最精彩的部分。”

进入一个新的环境，一个由铅驱动的机器人使用一种叫做高斯过程的概率统计模型来预测环境变量，比如化学浓度，并估计感知的不确定性。然后，羽流会生成机器人可能选择的路径分布，并使用估计数和不确定性，根据允许机器人探索和利用的程度对每条路径进行排序。

首先，羽流会选择随机探索环境的路径。然而，每个样本都提供了关于周围环境中目标值的新信息——比如化学物质浓度最高的地点或最浅的地方。高斯过程模型利用这些数据来缩小机器人从给定位置到更高值位置的可能路径。plume使用一种新颖的目标函数——通常用于机器学习以最大化回报——来决定机器人是应该利用过去的知识还是探索新领域。

“幻觉”的路径

决定在何处收集下一个样本取决于系统从当前位置“幻觉”所有可能的未来行动的能力。为了做到这一点，它利用了改进版的蒙特卡罗树搜索(MCTS)，这是一种为人工智能系统提供动力的路径规划技术，这些系统可以控制复杂的游戏，比如围棋和国际象棋。

MCTS使用一个决策树——一个连接节点和线的地图——来模拟一个路径，或者一系列的移动，需要达到一个最终的胜利行动。但在游戏中，可能的路径空间是有限的。在未知环境中，随着动态的实时变化，空间实际上是无限的，这使得规划变得非常困难。研究人员设计了“连续观测MCTS”，它利用高斯过程和新的目标函数来搜索可能的真实路径的笨拙空间。

MCTS决策树的根从一个“信念”节点开始，这是机器人可以立即采取的下一个步骤。这个节点包含了机器人在此之前的所有动作和观察的历史。然后，系统将树从根扩展到新的行和节点，查看未来操作的几个步骤，这些步骤将导致探索和未探索的区域。

然后，系统根据从以前的观察中获得的一些模式，模拟从每个新生成的节点中提取样本的情况。根据最后一个模拟节点的值，整个路径会得到一个奖励分数，值越高，表示动作越有希望。所有路径的奖励分数将回滚到根节点。机器人选择得分最高的路径，走一步，收集一个真实的样本。然后利用真实数据更新其高斯过程模型，重复“幻觉”过程。

Flaspohler说:“只要系统继续产生幻觉，认为在世界上看不见的地方可能存在更高的价值，它就必须继续探索。”“当它最终会聚在一个它估计是最大值的点上时，因为它不能在路径上产生一个更高的值，它就停止探索。”

现在，研究人员正在与WHOI的科学家合作，使用以羽毛为动力的机器人来定位火山地区的化学羽流，并研究北极沿海河口融化的甲烷释放。科学家们对释放到大气中的化学气体的来源很感兴趣，但这些试验场的面积可达数百平方英里。

普雷斯顿说:“他们可以(利用地幔柱)减少探索这一大片区域的时间，真正集中精力收集有科学价值的样本。”

麻省理工学院的工程师们已经证明，他们可以通过控制一种称为手性的化学结构特征，即结构的“手性”，来增强药物传递纳米颗粒的性能。

许多生物分子可以是右撇子形式，也可以是左撇子形式，它们的组成相同，但互为镜像。

麻省理工学院的研究小组发现，在纳米颗粒表面涂上氨基酸半胱氨酸的右旋结构可以帮助这些颗粒避免被体内的酶破坏。这也帮助他们更有效地进入细胞。麻省理工学院戴维·h·科赫研究所教授、科赫综合癌症研究所成员罗伯特·兰格说，这一发现可以帮助研究人员设计出治疗癌症和其他疾病的更有效的药物载体。

兰格是这篇论文的资深作者之一，他说:“我们对这篇论文感到非常兴奋，因为控制手性为药物传递提供了新的可能性，从而提供了新的医疗手段。”

科赫研究所的研究科学家Ana Jaklenec也是这篇11月4日发表在《先进材料》杂志上的论文的资深作者。这篇论文的主要作者是麻省理工学院博士后Yeom Jihyeon。这篇论文的其他作者包括前麻省理工学院博士后佩德罗·吉马赖斯和凯文·麦克休，麻省理工学院博士后胡全音，以及科赫研究所下属的迈克尔·米切尔。韩国首尔汉阳大学的Hyo Min Ahn、BoKyeong Jung和Chae-Ok Yun也是这篇论文的作者。

手性相互作用

许多重要的生物分子已经进化到只存在于右撇子(“D”)和左撇子(“L”)两种版本中，也被称为对映体。例如，自然产生的氨基酸总是“L”对映体，而DNA和葡萄糖通常是“d”。

“手性在自然界中是普遍存在的，它使材料的生物和化学特性具有唯一性和特异性，”Yeom说。“例如，由相同成分组成的分子尝起来是甜的还是苦的，根据它们的手性而有不同的气味，一种对映体是不活跃的，甚至是有毒的，而另一种对映体可以发挥重要的生物学功能。”

麻省理工学院的研究小组推测，可能会利用手性相互作用来改善药物传递纳米颗粒的性能。为了验证这个想法，他们创造了“超材料”，由2纳米钴氧化物粒子簇组成，其手性由表面的“D”或“L”型半胱氨酸提供。

通过让这些颗粒沿着癌细胞(包括骨髓瘤和乳腺癌细胞)排列的通道流动，研究人员可以测试每种颗粒被细胞吸收的程度。他们发现，涂有“D”半胱氨酸的颗粒被更有效地吸收，他们认为这是因为它们能够与细胞膜上的胆固醇和其他脂类产生更强烈的相互作用，而这些脂类也具有“D”方向。

研究人员还认为，“D”版本的半胱氨酸可能有助于纳米颗粒避免被体内由“L”氨基酸组成的酶分解。这可以让微粒在体内循环更长的时间，使它们更容易到达预定的目的地。

在一项对老鼠的研究中，研究人员发现，“D”涂层微粒在血液中停留的时间更长，这表明它们能够成功地避开破坏“L”涂层微粒的酶。注射后约2小时，循环中的“D”粒子数量远远大于“L”粒子数量，且在实验的24小时内保持较高水平。

“这是研究手性如何帮助这些颗粒到达癌细胞并延长循环时间的第一步。”下一步是看看我们是否真的能在癌症治疗上有所作为，”Jaklenec说。

修改后的粒子

研究人员现在计划用其他类型的药物传递颗粒来测试这种方法。在一个项目中，他们正在研究在金粒子上涂上“D”氨基酸是否能提高它们在小鼠体内传递抗癌药物的能力。在另一项研究中，他们使用这种方法来修饰腺病毒，他们的一些合作者正在开发一种潜在的治疗癌症的新方法。

“在这项研究中，我们发现‘D’手性可以延长循环时间，增加癌细胞的吸收。下一步将是确定载药的手性颗粒是否比不载药的更有效或更持久，”Jaklenec说。“这基本上可以转化为任何纳米颗粒。”

研究由科赫研究所癌症纳米中心的大理石,巴西国家科学技术发展委员会,Estudar基金会,露丝·l·Kirschstein国家研究服务奖,Burroughs Wellcome基金事业奖在科学的界面,一个美国国立卫生研究院的导演的新创新者奖,美国癌症协会,一个AACR-Bayer创新和发现格兰特,和韩国国家研究基金会。

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。