加州大學(xué)伯克利成功開發(fā)出室內(nèi)機器人導(dǎo)航的新框架

（文章來源：中國機器人網(wǎng)）

移動機器人應(yīng)該能夠有效地導(dǎo)航現(xiàn)實世界的環(huán)境，避免人類或周圍環(huán)境的其他障礙，才能完成人類設(shè)計的任務(wù)。雖然靜態(tài)對象通常很容易被機器人檢測和規(guī)避，但是避免人類可能更具挑戰(zhàn)性，因為這需要預(yù)測其未來的運動并相應(yīng)地進行計劃。

加州大學(xué)伯克利分校的研究人員最近開發(fā)了一種新的框架，該框架可以增強辦公室，房屋或博物館等室內(nèi)環(huán)境中人類的機器人導(dǎo)航能力。他們的模型在arXiv上預(yù)先發(fā)表的一篇論文中提出，并在稱為HumANav的真實感圖像數(shù)據(jù)集上進行了訓(xùn)練。

研究人員在論文中寫道：“我們提出了一種圍繞人類導(dǎo)航的新穎框架，該框架將基于學(xué)習(xí)的感知與基于模型的最佳控制相結(jié)合?！?/p>

這些研究人員開發(fā)的新框架被稱為LB-WayPtNav-DH，它包含三個 關(guān)鍵組件：感知，計劃和控制模塊。感知模塊基于卷積神經(jīng)網(wǎng)絡(luò)（CNN），該神經(jīng)網(wǎng)絡(luò)經(jīng)過訓(xùn)練可以使用監(jiān)督學(xué)習(xí)將機器人的視覺輸入映射到航路點（即下一個所需狀態(tài)）。

然后，由CNN映射的航路點將被饋送到框架的計劃和控制模塊。這兩個模塊結(jié)合在一起，可確保機器人安全地移動到其目標位置，從而避免了周圍環(huán)境中的障礙物和人員。

研究人員在他們被稱為HumANav的數(shù)據(jù)集中包含的圖像上訓(xùn)練了CNN。HumANav包含從另一個稱為SURREAL的數(shù)據(jù)集改編而成的模擬建筑物環(huán)境的逼真的渲染圖像，人類可以在該環(huán)境中四處走動。這些圖像描繪了6000個行走的，有紋理的人體網(wǎng)格，按人體形狀，性別和速度排列。

研究人員在論文中寫道：“所提出的框架學(xué)會僅基于單眼RGB圖像來預(yù)測和響應(yīng)人們的運動，而無需明確預(yù)測未來的人類運動?！?/p>

研究人員在模擬和現(xiàn)實世界中的一系列實驗中評估了LB-WayPtNav-DH。在實際實驗中，他們將其應(yīng)用于Turtlebot 2，Turtlebot 2是一款帶有開源軟件的低成本移動機器人。研究人員報告說，機器人導(dǎo)航框架可以很好地推導(dǎo)出看不見的建筑物，從而在模擬和現(xiàn)實環(huán)境中有效規(guī)避人類。

研究人員在論文中寫道：“我們的實驗表明，與單純基于學(xué)習(xí)的方法相比，將基于模型的控制與學(xué)習(xí)相結(jié)合可以帶來更好，更數(shù)據(jù)有效的導(dǎo)航行為?！毙驴蚣茏罱K可以應(yīng)用于各種移動機器人，從而增強其在室內(nèi)環(huán)境中的導(dǎo)航能力。到目前為止，事實證明，他們的方法表現(xiàn)出色，可以將模擬開發(fā)的策略轉(zhuǎn)移到實際環(huán)境中。

在未來的研究中，研究人員計劃在更加復(fù)雜或擁擠的環(huán)境的圖像上訓(xùn)練他們的框架。此外，他們想擴大他們編輯的訓(xùn)練數(shù)據(jù)集，包括一組更加多樣化的圖像。
? ? ? （責(zé)任編輯：fqj）