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。
科技新報粉絲團
加入好友
訂閱免費電子報
