当前位置: > 留学百科 > 模型帮助机器人更像人类一样导航

模型帮助机器人更像人类一样导航

当人们通过人群到达最终目标时,人类通常可以安全地在太空中航行而不必思考太多。他们可以从他人的行为中学习,并注意避免任何障碍。另一方面,机器人则与这种导航概念抗争。

麻省理工学院的研究人员现在已经设计出一种帮助机器人像人类一样导航环境的方法。他们新颖的运动规划模型允许机器人通过探索环境,观察其他代理,以及在类似的情况下利用他们之前所学的知识来确定如何达到目标。在本周的IEEE/RSJ国际智能机器人与系统会议(IROS)上发表了一篇描述该模型的论文。

流行的运动规划算法将创建一个可能的决策树分支,直到它找到良好的路径导航。例如,需要导航房间才能到达门的机器人将创建可能的移动的逐步搜索树,然后考虑各种约束执行到门的最佳路径。然而,这些算法有一个缺点,那就是它们很少学习:机器人不能利用关于它们或其他代理以前在相似环境中如何操作的信息。

就像下棋一样,这些决定一直延伸到机器人找到一个好的导航方法。但与象棋选手不同,[机器人]在不了解环境和其他代理人的情况下探索未来的样子,”麻省理工学院计算机科学和人工智能实验室(CSAIL)和大脑、头脑和Mac中心的研究员安德烈·巴布(Andrei Barbu)说。海因斯(CBMM)在麻省理工学院的麦戈文研究所。“他们第一千次经历同样的人群就像第一次一样复杂。他们总是在探索,很少观察,从不使用过去发生的事情。”

研究人员开发了一种将规划算法和神经网络相结合的模型,该模型学习识别可能导致最佳结果的路径,并使用该知识指导机器人在环境中的运动。

在他们的论文“基于抽样规划的深层顺序模型”中,研究人员展示了他们的模型在两种环境中的优势:通过具有陷阱和窄通道的挑战性房间导航,以及在避免与其他代理发生冲突的情况下导航区域。一个有前景的现实世界应用程序正在帮助自主车辆在十字路口导航,在那里,它们必须快速评估其他车辆在融入交通之前将做什么。研究人员目前正在通过丰田CCAWE联合研究中心进行此类应用。

“当人类与世界互动时,我们看到一个我们以前接触过的物体,或者在我们以前去过的某个地方,所以我们知道我们将如何行动,”CSAIL的博士生、论文的第一作者郭燕玲说。这项工作背后的想法是给搜索空间增加一个机器学习模型,它从过去的经验中知道如何使计划更有效。

Boris Katz,一个主要的研究科学家和CIFAI集团的负责人,也是该论文的合著者。

勘探开发交易

传统的运动规划师通过快速扩展最终覆盖整个空间的决策树来探索环境。然后机器人看着树,找到一种到达目标的方法,比如门。然而,研究者的模型提供了“探索世界和利用过去的知识之间的权衡”,Kuo说。

学习过程从几个例子开始。使用该模型的机器人通过几种方式来训练类似环境的导航。神经网络通过解释机器人周围的环境,例如墙壁的形状、其他代理人的动作和目标的特征来学习是什么使这些示例成功。简而言之,这个模型“了解到,当你被困在一个环境中,你看到一个门口,通过门出去可能是个好主意,”Barbu说。

该模型结合了探索行为从早期的方法与这学到的信息。潜在的规划师RRT,由麻省理工学院的教授Sertac Karaman和Emilio Frazzoli开发。(它是一种广泛使用的运动规划算法的变体,称为快速探索随机树(RRT)。)规划者创建搜索树,而神经网络反映每个步骤,并对机器人下一步应该去哪里进行概率预测。当网络具有高可信度的预测时,基于学习的信息,它引导机器人在一个新的路径上。如果网络没有很高的信心,它会让机器人探索环境,就像传统的规划师。

例如,研究人员在被称为“虫子陷阱”的模拟中演示了该模型,其中二维机器人必须通过中央狭窄通道从内腔逃逸,并到达周围较大房间的位置。海峡两岸的盲人盟友会让机器人陷入困境。在这个模拟中,机器人被训练了如何逃脱不同的bug陷阱的几个例子。当面对一个新的陷阱,它认识到陷阱的特点,逃脱,并继续寻找它的目标在更大的房间。神经网络帮助机器人找到陷阱的出口,识别死角,并且给机器人一个周围环境的感觉,以便它能够快速地找到目标。

本文的结果基于一段时间后找到路径的机会、达到给定目标的路径的总长度以及路径的一致性。在这两个模拟中,研究人员的模型比传统的计划者更快速地绘制出更短且一致的路径。

与多个代理一起工作

在另一个实验中,研究人员在具有多个移动代理的导航环境中训练和测试了该模型,这对于自主式汽车尤其在十字路口和环形交叉路口导航是一种有用的测试。在仿真中,几个代理正在绕过障碍物。机器人代理必须绕过其他代理成功导航,避免碰撞,并到达目标位置,如绕道出口。

Barbu说:“像环形交叉路口这样的情况很难,因为它们需要考虑别人如何回应你的行为,你如何回应他们的行为,他们下一步会怎么做等等。”“你最终发现你的第一个动作是错误的,因为以后它会导致一个可能的事故。这个问题变得越来越严重,你不得不面对更多的汽车。

结果表明,研究人员的模型能够捕捉到关于其他代理(汽车)未来行为的足够信息,从而在早期切断该过程,同时仍然在导航方面做出良好的决策。这使得规划更有效。此外,他们只需要通过几个小汽车的例子来训练模型。Barbu说:“机器人制造的计划考虑到其他汽车将要做什么,就像任何人一样。”

通过交叉口或环形交叉口是自主汽车面临的最具挑战性的情景之一。研究人员说,这项工作也许有一天能让汽车了解人类的行为以及如何适应不同环境中的驾驶员。这是丰田CCAWE联合研究中心工作的重点。

“不是每个人都有相同的行为方式,但是人们很老套。有害羞的人,有进取心的人。Barbu说,这个模型很快就认识到了这一点,这就是为什么它能够有效规划的原因。

最近,研究人员已经将这一工作应用于具有操纵器的机器人,当在不断变化的环境中接触物体时,这些操纵器也面临着类似的艰巨挑战。

打赏作者

模型帮助机器人更像人类一样导航:等您坐沙发呢!

发表评论

表情
还能输入210个字