Метод помогает роботам найти входную дверь

В не очень далеком будущем, роботы могут быть отправлены в качестве «последней мили» средств доставки уронить ваш заказ на вынос, пакет, или шрот-комплект подписки на вашем пороге, если они не могут найти дверь.

Стандартные подходы для роботизированной навигации предусматривают сопоставление площадь загодя, а затем, используя алгоритмы, чтобы направлять робота к конкретной цели или GPS координат на карте. Хотя такой подход может быть полезен для изучения конкретных условиях окружающей среды, таких как расположение конкретного здания или планируемых препятствий, это может стать неудобным в контексте «последней мили» доставки.

Представьте, например, имея карту заранее каждый район в пределах зоны доставки робота, включая конфигурацию каждого дома в этом районе наряду с конкретными координатами каждого дома входная дверь. Такая задача может быть сложно масштабировать на весь город, особенно, как и экстерьеры домов часто меняются в зависимости от сезона. Картирование каждый дом также может столкнуться с проблемами безопасности и конфиденциальности.

Теперь инженеры Массачусетского технологического института разработали способ навигации, который не требует сопоставления площадь заранее. Вместо этого, их подход позволяет роботу использовать ключи в своей среде, чтобы планировать маршрут до места своего назначения, которые могут быть описаны в общем смысловом плане, такие как «дверь» или «гараже», а не как координаты на карте. Например, если робот поручено доставить пакет в чью-то дверь, он может начать на дороги и подъездной путь, который он был обучен распознавать как может привести к тротуару, что, в свою очередь, вероятно, приведет к входной двери.

Новый метод может значительно сократить время, которое будет затрачено исследуя свойство, прежде чем определять его цель, и он не опирается на карты конкретных резиденций.

«Мы не хотим сделать карту каждое здание, которое нам нужно посетить», — говорит Майкл Эверетт, аспирант кафедры Массачусетского технологического института машиностроения. «С этой техникой, мы надеемся, чтобы бросить робот в конце любой дороги и найти дверь.»

Эверетт представит результаты работы группы на этой неделе на международной конференции по интеллектуальным роботам и системам. В статье, которая в соавторстве с Джонатаном, как, профессор аэронавтики и астронавтики в Массачусетском технологическом институте, и Джастин Миллер автомобильной компании «Форд», является финалистом конкурса «Лучшие бумаги для когнитивных роботов».

«Чувство вещи»

В последние годы исследователи работали на внедрение природных, семантический язык для робототехнических комплексов, учебных роботов, чтобы распознавать объекты по их семантические ярлыки, так они могут визуально процесс дверь как дверь, например, и не только как сплошной, прямоугольного препятствия.

«Теперь у нас есть возможность дать роботам чувство как вещи, в режиме реального времени», — говорит Эверетт.

Эверетт, как и Миллер, используя аналогичные семантические методы в качестве плацдарма для своей новой навигации подход, который использует существующие алгоритмы извлечения признаков из визуальных данных для создания новой карты той же сцены, представленные в виде семантической подсказки или связи.

В их случае, исследователи использовали алгоритм для построения карты окружающей среды как робот передвигалась, используя семантические ярлыки каждого объекта и глубину изображения. Этот алгоритм называется семантической слэм (одновременная локализация и картографирование).

В то время как другие семантические алгоритмы позволили роботам распознать и сопоставить объекты в их среде, какие они есть, они не пускают робота принимать решения в данный момент при переходе в новую среду, наиболее эффективный путь семантического места назначения, такие как «входной двери».

«До знакомства было просто, бултых робот вниз и сказать «Иди», и он будет двигаться и в конце концов попасть туда, но это будет медленно,» как говорит.

Стоило пройти

Исследователи смотрели ускорить роботом-планирование через семантический, контекстно-цветной мир. Они разработали новый «цена-иди сметчик,» алгоритм, который преобразует семантические карты, созданные ранее существовавшие алгоритмы шлема на вторую карту, представляющий вероятность любой конкретной близости к цели.

«Это был вдохновлен изображениями на перевод, где вы сфотографируйте кошку и сделать его похожим на собаку», — говорит Эверетт. «Такого же типа идея здесь происходит, где вы берете одно изображение, которое выглядит как карта мира, и превратить его в другое изображение, которое выглядит как карта мира, но сейчас окрашен в зависимости от разных точек на карте к конечной цели.»

Эта стоимость к карте выделяется в серой шкале, чтобы представить более темные регионы, расположенные далеко от цели, и легче регионов как территорий, которые близки к цели. Например, тротуар, желтого цвета в семантическую карту, могут быть переведены по стоимости-на ходу алгоритм как более темные области на карте, по сравнению с дорогой, которая постепенно светлеют по мере приближения к входной двери — самые легкие области в новой карте.

Исследователи обучили нового алгоритма на спутниковые снимки от Bing, карты, содержащей 77 домов от городских и три пригородных районов. Система преобразования семантической карте в стоимости к карте, и выявить наиболее эффективный путь, после легче регионов в карте, конечную цель. Для каждого спутника изображения, Эверетт присваиваются семантические ярлыки и цвета в контексте особенностей в типичном дворе, таких как серый цвет для входной двери, синий на дороге, и зеленый для изгороди.

Во время этого процесса профессиональной подготовки, команда также применять маски для каждого изображения, чтобы имитировать частичный вид, что робот камеры, вероятно, будет, как он пересекает двор.

«Часть трюк, чтобы наш подход был [системы] множество частичных изображений,» как объясняет. «Так это действительно было выяснить, как все эти вещи были взаимосвязаны. Это часть того, что делает эту работу эффективно».

Затем исследователи протестировали свой подход в моделировании изображения совершенно нового дома, за пределами учебного набора данных, во-первых, используя существующие шлема алгоритм для создания семантической карты, а затем прикладывать их новые стоимости для оценки, чтобы генерировать второй карте, и путь к цели, в данном случае, входная дверь.

Новая цена-идут группы, техники обнаружили, что входная дверь 189% быстрее, чем алгоритмы классической навигации, которые не принимают контекста или семантики во внимание, и вместо того, чтобы тратить лишние шаги в освоении территории, которые вряд ли будут возле своих ворот.

Эверетт говорит, что результаты показывают, как роботы могут использовать контекст, чтобы эффективно находить цели даже в незнакомой, несопоставленные средах.

«Даже если робот доставлял посылку в среду она там никогда не была, там могут быть подсказки, которые будут такими же, как в других местах это видел», — говорит Эверетт. «Таким образом, мир может быть разложено немного по-другому, но там, наверное, кое-что общее.»

Это исследование поддержано, в частности, компания «Форд Мотор».

Ссылки по теме

Видео: https://www.youtube.com/watch?v=yVlnbqEFct0

сделать разницу: спонсорские возможности