讓機器人在人群密集的地方也能行走自如？MIT做到了！

選文 丁建峰翻譯 袁夢 葉培楚 丁建峰

校對 李韓超 編輯 李韓超 許峰

素材來源：newatlas

泡泡機器人推廣內容組編譯作品

GIF/2K

麻省理工學院在行動中人群導航步行機器人（來自：麻省理工學院）

01

麻省理工學院的一個機器人研究小組近日開發出了一種自主機器人，通過多種感測器的結合使用以及先進的機器學習技術，使得即使在擁擠的地區，機器人也能很好地遵守（人類）社會規範。這種自主式的輪式機器人為未來的全自動送貨機器人，甚至是能夠在繁忙的街道上靈活自主行駛的智能個人輔助機動設備，提供了很好的指導方向。

一直以來，機器人在人群密集地區的自主移動是機器人研究者們的熱點研究方向。如果機器人能夠在我們之間自由移動，那麼它們就能自主開展各種日常活動。這種在人群中自主移動的能力對於機器人是項很重要的功能，因為這樣他們不僅能夠理解環境並對自己進行導航，而且機器人能夠預測並且指導我們的生活。但前提是機器人必須知道它在哪裡，我們在哪裡，並且能夠規劃一條路線進而執行它選擇的路徑。

以前研究者們試圖讓機器人在人類擁擠的地方自主航行的嘗試均遭到了不同程度的挫折。例如，基於軌跡的方法，機器人根據感測器數據預測一個人將走到哪裡。這種方法存在一個很嚴重的問題：機器人必須在不斷變化的環境中收集數據，並弄清楚它的下一步行動是什麼。這常常會導致反覆的停止/啟動運動。

另一種方法是用一種簡單的反應方法來管理機器人，它使用幾何和物理規則來規劃路線並避免碰撞。當一個人直線行走的時候，這是很好的，但是人類是不可預測的生物，傾向於突然改變方向，這可能導致人和機器人同時走向同一個地方並發生碰撞。

02

機器人運行時的地圖（來自：麻省理工學院）

MIT的研究團隊嘗試利用強化學習技術(reinforced learning)教會他們的機器人buddy在人群中導航的本事。在基本層面上，這個方法通過計算機計算模擬一個有一些以不同速度和軌跡運動的物體(模擬真實環境中的人)的場景，將機器人放置在這個模擬的場景中訓練學習模擬人的行走規律。

模擬器還能用於教會機器人在導航時遵守環境中的一些社會規範，諸如走路要靠右走，將自身速度控制在1.2米每秒的一般行人步伐速度。當機器人在真實世界中面對一屋子人的時候，它會識別出在訓練中遇到的某些特定的場景，然後根據相應的行人規則來應對這些場景。

在計算機領域之外，MIT的研究者們把他們的機器人描述為是一個「膝蓋高並有輪子的亭子」。它裝備有一系列感測器，包括網路攝像機，深度感測器和一個高解析度的雷達感測器來幫助機器人感知周圍環境，並利用一些開源演算法來實現自我定位。

這些感測器每隔0.1秒掃描一次機器人周圍的環境，這使得機器人具備了感知動態環境的能力並在前往目的地的時候靈活地調整自己的路徑而無需停下來計算規劃自己的最優移動方向。

「我們並沒有在一開始就計算規劃好前往目標的一整條路徑——因為這毫無意義，特別是當你假設世界是不斷變化的時候，」這項研究的論文合作者之一的研究生Michael Everett說道，」我們只看我們當前看到的，然後選擇一個速度前進，每0.1秒再掃描一次周圍的環境，計算出另一個速度，再繼續以新的速度前進。利用這種方式，我們認為我們的機器人看起來會會更加自然，並且還能預測出人們在做什麼。」

03

科學家們將他們的機器人與增強學習技術結合在一起，並前往麻省理工的Stata中心進行了一系列的物理測試。機器人成功地在一條蜿蜒的，充滿行人的走廊上完成了長達20分鐘的行走，而沒有撞到任何一個人。

Everett說：「我們想把他帶到一個人們日常生活的地方，大家做著各種各樣的事，例如去上課，去吃飯等等，通過這些，我們想證明我們的機器人性能足夠魯棒，能應對所有的這些情況。」他補充到：「有一次，機器人面對的場景甚至有一個觀光團，但機器人完美的避開了他們」。

該團隊計劃繼續並擴大其研究，並測試機器人在行人環境中行走的情況。這可能需要制定一套新的行為規則。

有些人可能會對讓機器人在人們中間行走的想法感到一些擔憂，但是大部分人認為麻省理工的最新機器人研究對人類幾乎沒有什麼威脅。如果這項技術與麻省理工的獵豹設計相結合，並由IBM Watson超級計算機提供計算能力，創造出某種半人半馬機器人，那麼就可能需要擔心了。

下個月MIT將在IEEE 智能機器人和系統會議上發表一篇詳細介紹這項研究的論文（https://arxiv.org/pdf/1703.08862.pdf）。

#泡泡機器人新聞社-近期回顧#

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！