行业新闻

MIT黑科技!这个即将发布的导航技术竟然超越SLAM!

在不远的将来,机器人或许会作为终究一英里的运输工具被派往你家门口,假如他们能找到门的话,就能够把你的外卖订单、包裹或餐盒订购单放到你家门口。   机器人导航的规范办法包括预先制作一个区域的地图,然后运用算法引导机器人朝向地图上的特定方针或GPS坐标。尽管这种办法关于探究特定环境(如特定修建的布局或方案的妨碍道路)或许是有意义的,但在终究一英里交给的状况下,这种办法或许会变得蠢笨。   例如,幻想一下,公司有必要事前制作机器人传送区域内每个街坊的地图,包括该街坊内每个房子的装备以及每个房子前门的特定坐标,这个使命量会让人溃散。相同,这样的使命额很难扩展到整个城市,特别是房子的外观常常跟着时节的改变而改变(仰慕国外)。制作每间房子的地图也或许会遇到安全和隐私问题。   新技能   现在麻省理工学院的工程师现已开宣布一种导航办法,不需要事前制作一个区域。相反,他们的办法使机器人能够运用环境中的头绪规划到目的地的道路,这能够用一般的语义术语来描绘,例如“前门”或“车库”,而不是地图上的坐标。例如,假如一个机器人接到指令,要把包裹送到或人的前门,它或许会从马路上开端,看到一条车道,经过练习,它认识到这条车道有或许通向人行道,而人行道又有或许通向前门。   这项新技能能够大大削减机器人在辨认方针之前探究一处房产的时刻,并且它不依靠特定住所的地图。麻省理工学院机械工程系的研讨生迈克尔·埃弗雷特(Michael Everett)说:“咱们不想把咱们需要去的每一栋修建都制作成地图。”有了这项技能,咱们期望在任何车道的止境都能放下一个机器人,让它找到一扇门。”   埃弗雷特将在本周的智能机器人和体系国际会议上介绍该技能的效果。这篇论文由麻省理工学院航空航天学教授乔纳森·豪斯(jonathan how)和福特汽车公司(ford motor company)的贾斯汀·米勒(justin miller)一起编撰,是“认知机器人最佳论文”的终究入围者。   “对事物的感觉”   近年来,研讨人员致力于将天然的语义言语引进机器人体系,练习机器人经过语义标签辨认物体,这样他们就能够将一扇门视为一扇门,而不仅仅是一个实心的矩形妨碍物。   埃弗雷特说:“现在咱们有才能让机器人实时感知事物的实质。”埃弗雷特、豪斯和米勒正在运用相似的语义技能作为他们的新导航办法的跳板,它运用预先存在的算法从视觉数据中提取特征以生成同一场景的新地图,然后用语义头绪或上下文进行剖析。   在他们的事例中,研讨人员运用一种算法来树立机器人移动时的环境地图,运用每个物体的语义标签和深度图画这种算法称为语义SLAM(一起定位和映射)。尽管其他语义算法使机器人能够辨认和映射环境中的方针,但它们不允许机器人在导航新环境的一起,在最有用的途径上做出决议计划,以抵达语义目的地,如“前门”,霍华德说:“曾经,探究仅仅把一个机器人扑通一声放下来,对它说‘走’,它会四处移动,尽管终究抵达那里,但速度会很慢。”   去的价值   研讨人员期望经过一个语义的、背景色的国际来加快机器人的途径规划。他们开发了一种新的“去价值估量器”,该算法将现有SLAM算法创立的语义映射转化成第二个映射,表明任何给定方位挨近方针的或许性。   埃弗雷特说:“这是从一个图画到另一个图画的转化中得到的创意,在这儿你拍下一只猫的相片,让它看起来像一只狗。”相同的主意也会在这儿发作,曾经你把一张看起来像国际地图的图画,能够变成另一张看起来像国际地图的图画,但现在是根据地图上不同点与终究方针的间隔来上色的。”   这个本钱地图是五颜六色的,用灰度表明,把较暗的区域表明为远离方针的方位,把较亮的区域表明为挨近方针的区域。例如,在语义地图顶用黄色编码的人行道,或许会被cost-to-go算法转化为新地图中较暗的区域,而车道在挨近前门时会逐步变亮,这是新地图中最亮的区域。   研讨人员在Bing地图的卫星图画上练习了这种新算法,这些图画包括来自一个城市和三个市郊的77栋房子。该体系将语义映射转化为价值映射,并按照映射中较轻的区域映射出最有用的途径,以到达终究方针关于每个卫星图画,埃弗雷特都为典型前院的上下文特征指定语义标签和色彩,例如灰色表明前门,蓝色表明车道,绿色表明树篱。   在这个练习过程中,研讨小组还对每幅图画应用了蒙版,以模仿机器人的相机在穿越院子时或许具有的部分视图。“咱们办法的一部分窍门是(给体系)供给许多部分图画,”How解释道。所以它有必要弄清楚这些东西是怎么彼此相关的,这正是这项作业得以稳健展开的部分原因。”   然后,研讨人员在练习数据集之外的一所全新房子的图画模仿中测试了他们的办法,首要运用预先存在的SLAM算法生成语义图,然后运用其新的本钱预算器生成第二张地图和通往方针的途径(在这种状况下为前门)。   比照传统的导航算法,该集团的“去发现前车门”新技能更高效与低本钱,这种算法比不考虑上下文或语义的经典导航算法快189%,以往的办法花费了过多的过程来探究不太或许挨近方针的范畴。埃弗雷特说,研讨结果说明晰机器人是怎么运用上下文来有用地定位方针,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去过的环境中,也或许会有一些头绪和它看到的其他地方相同。”所以,即使国际的布局或许有点不同,但必定或许有一些一起点。”咱们要做的仅仅让机器人发现和运用这些共通点!   有爱好的朋友请注意看本周的智能机器人和体系国际会议(the International Conference on Intelligent Robots and Systems)论文内容

联系我们

CONTACT US

联系人:张先生

手机:

电话:

邮箱:

地址: