送貨機器人可規劃路徑,但怎麼找到你家門口就是個難題了

作者 | 發布日期 2019 年 11 月 08 日 8:45 | 分類 AI 人工智慧 , 尖端科技 , 機器人 follow us in feedly


最後一公里配送可以交給機器人完成嗎?可以,但機器人要怎麼找到正確的門還是問題。

一般來說,機器人導航需要提前繪製區域地圖,用演算法引導機器人朝特定目標或 GPS 坐標前進。這種方法在探索一個建築布局或規劃障礙賽道時有意義,但在最後一公里的送貨環境,這種辦法可能「很笨」。想像一下,你在商場裡使用手機導航不如開口問路。

(Source:MIT News)

麻省理工學院新聞辦公室的 Jennifer Chu 也表示:「如果我們要提前繪製機器人送貨區域內每個社區,包括社區內每棟房子配置,以及每棟房子前門的具體坐標。這種繪製任務很難擴展到整個城市,尤其房屋外觀經常隨著季節而變化。」

成本高、操作難度大之外,把每戶人家坐標都傳到系統也會讓人憂心隱私問題。與其用這個方法,快遞物流企業估計更願意多僱幾個快遞員。

(Source:SFGate)

我們可以開口問路,但機器人沒法子,只能看。

麻省理工和福特汽車的工程師現在訓練機器人不用地圖,透過線索去「找」門。

麻省理工學院機械工程系的研究生 Michael Everett 表示,不同區域的布局都不同,但也會有些共同點。「即使機器人把包裹送到從未到過的地方,也可能發現一些線索,與其他地方看到的一樣。」

線索可能是前門、車庫、車道等「路標」。機器人經過訓練後,很可能知道一條車道常通向人行道,而人行道一般會通向家門口。

不依賴地圖的情況下,這項技術可減少機器人辨識目標時探索地形的時間。你不再需要為機器人繪製一張高精度地圖,只需要把它放在車道上,讓它自己尋找那扇門。

近年來,研究人員致力於將自然語義引入機器人系統。

訓練機器人透過語義標籤辨識物體,就可以把一扇門當一扇門,而不是當成矩形障礙物。

此技術的出色之處在於,讓機器人感知周圍事物。

(Source:MIT Technology Review)

語義從現有視覺數據提取特徵的演算法,以上下文形式用語義線索生成同場景的新地圖。這種演算法稱為語義 SLAM(同步定位和映射)。

研究人員把演算法應用到衛星圖像,就可以把這張包含一個城市和三個郊區社區 77 戶人家的地圖依據圖中較亮的區域,繪製出最有效的路徑。對每幅衛星圖像,研究員 Everett 都會為典型的前院環境特徵賦予語義標籤和顏色,前門是灰色的,車道是藍色的,樹籬是綠色的。

訓練過程中,研究團隊為每張圖像遮罩處理,模擬機器人穿過院子時可能會出現的局部視角。

傳統演算法不考慮周圍語義,探索很多不大可能接近目標的區域。而使用新演算法,機器人找到前門的速度比傳統導航演算法快了 189%

未來,機器人或許可以自己做決定,確定通往目的地的最佳路徑。

(本文由 愛范兒 授權轉載;首圖來源:Unsplash