在不久的将来，机器人可能会作为最后一英里的送货工具，将您的外卖订单、包裹或套餐送到家门口。但前提是，机器人要先找到地方。
机器人导航的标准方法是提前绘制一个区域的地图，然后使用算法引导机器人驶向地图上特定目标或骋笔厂坐标。但是此种方法在最后一英里送货环境中，它可能变得笨拙。由于必须提前绘制交付区域内的所有社区地图，包括每栋房屋的配置以及前门的特定坐标。因此，很难扩展到整个城市，尤其由于房屋外观经常随着季节的变化而变化。而且，为每一所房子绘制地图也会遇到安全和隐私问题。
据外媒报道，麻省理工学院的工程师们开发了一种导航方法，无需事先绘制地图，而是使机器人利用环境中的线索，规划通往目的地的路线。目的地不再是地图中的坐标，而是使用通用语义术语进行描述，比如“前门”或“车库”等。例如，如果机器人收到指示，需要将包裹送到某人的前门，它会从车道出发，由于经过训练，它能识别出这条车道可能通向人行道，而人行道又可能通向前门。这项新技术可以极大减少机器人在识别目标之前的探索时间，而且不依赖特定房屋的地图。
近年来，研究人员致力于将自然语义语言引入机器人系统，训练机器人，使其通过语义标签识别物体。例如，它们能可视化处理“门”，而不是简单地把门视为坚固的矩形障碍物。麻省理工学院机械工程系研究生Michael Everett表示，“我们可以让机器人实时感知事物。”Everett及其他研究人员正将类似的语义技术用于新的导航方法。该方法利用了现有算法，从视觉数据中提取特征，生成同一场景的新地图。
麻省理工学院研究人员使用语义厂尝础惭（同步定位和映射）算法，利用物体的语义标签和深度图像，构建机器人移动时的环境地图。而其他语义算法使机器人识别和映射环境中的对象，但是不能让机器人在新环境中行驶时，即时决定最便捷的道路，到达语义目的地，如“前门”。
研究人员希望通过语义的彩色情境世界，加速机器人的路径规划。他们开发了一种新的“代价函数（肠辞蝉迟-迟辞-驳辞）”算法，可将现有厂尝础惭算法生成的语义地图转换成新的地图，代表任何给定位置接近目的地的可能性。
该地图是彩色的，较暗的地区代表距离目的地较远，而较亮的地区代表更接近目的地。例如，在语义图中以黄色编码的人行道，可能会被代价函数算法翻译为新地图中较暗的区域。而车道在接近前门时逐渐变亮，前门是最亮的区域。
研究人员将新算法用于一张Bing Maps卫星图像，该图像包含77户人家。该系统将语义地图转换为cost-to-go地图，并根据图中较亮的区域，绘制出最有效的路径，最终到达目的地。对于每一幅卫星图像，Everett都会给典型前院的情境特征赋予语义标签和颜色，比如前门是灰色的，车道是蓝色的，树篱是绿色的。在这一训练过程中，该团队还在每张图像中应用遮罩，模拟穿过院子时，机器人摄像头视线可能被遮挡。
研究人员在一栋全新房子的模拟图像中测试了此种新方法。首先利用厂尝础惭算法生成语义地图，然后利用代价估计函数生成第二幅地图，以及通往前门的路径。该项新技术找到前门的速度比传统导航算法快189%，传统算法不考虑情境或语义，而花费过多的步骤探索不太可能接近目的地的区域。贰惫别谤别迟迟表示，该结果说明了机器人可利用环境，高效定位目标，即使是在不熟悉的环境中。他还表示，“机器人在陌生的环境中也能发现一些线索，与它在其他地方看到的一样。不同区域环境可能有所不同，但也存在共同点。”
投诉侵权
