（文章來源：科技報告與資訊）
為了完成設計上的任務，移動機器人應該能夠有效地導航現(xiàn)實世界的環(huán)境，避免人類或周圍環(huán)境中的其他障礙。雖然靜態(tài)對象通常很容易被機器人檢測和規(guī)避，但是避免移動的人類更具挑戰(zhàn)性，因為這需要預測其未來的運動并相應地進行計劃。
加州大學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、家庭或博物館等室內(nèi)環(huán)境中的機器人導航能力。他們的模型在arXiv上預先發(fā)表的一篇論文中提出，并在新編譯的真實感圖像集HumANav上進行了訓練。
研究人員在論文中寫道：“我們提出了一種圍繞人類導航的新穎框架，該框架將基于學習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（CNN），該神經(jīng)網(wǎng)絡經(jīng)過訓練可使用監(jiān)督學習將機器人的視覺輸入映射到路點（即下一個所需狀態(tài)）。然后，由CNN映射的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：“所提出的框架學會僅基于單眼RGB圖像來預測和響應人們的運動，而無需明確預測未來的人類運動。”
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，他們將其應用于Turtlebot 2，這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，機器人導航框架可以很好地推廣到看不見的建筑物，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，與單純基于學習的方法相比，將基于模型的控制與學習相結(jié)合可以帶來更好，更數(shù)據(jù)有效的導航行為?！?/p>
新框架最終可以應用于各種移動機器人，從而增強其在室內(nèi)環(huán)境中的導航能力。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雜或擁擠的環(huán)境的圖像上訓練他們的框架。此外，他們想擴大他們編輯的訓練數(shù)據(jù)集，包括一組更加多樣化的圖像。
? ? ?
下載文檔
