С новой навигационной системой от MIT роботы могут расшифровывать общие ландшафтные особенности, даже в незнакомой среде.
Роботы-доставщики, некогда были фантазией, а теперь стали реальностью в этом году, катясь по тротуарам университетского городка и пригородным улицам Калифорнии, доставляя пакеты с пиццей и Amazon прямо к входным дверям клиентов. Их все чаще рассматривают как решение для "последней мили доставки" - части цепочки поставок, где товары перемещаются из местного транспортного узла или склада до конечного пункта назначения. Эта "последняя миля", как известно, неэффективна, вызывая заторы на дорогах и выбрасывая чрезмерно большое количество загрязняющих веществ. Роботы, по мнению многих, могут стать решением проблемы.
Но как роботы находят дверь? Это довольно не просто. GPS может доставить робота по нужному адресу, но он не может сказать, находится ли дверь слева от гаража или в конце садовой дорожки.
Вот почему исследователи из Массачусетского технологического института (MIT) разработали новую систему навигации для роботов. Система включает в себя обучение роботов распознаванию экологических особенностей, таких как подъездные пути и почтовые ящики, и изучение того, какие особенности, скорее всего, приведут к двери.
"Неразумно ожидать, что у вас будет подробная карта каждой среды, в которой будет работать ваш робот", - говорит Майкл Эверетт, аспирант кафедры машиностроения Массачусетского технологического института (MIT), который работал над исследованиями. Вместо этого команда спросила: "Как вы ездите и находите объекты, если у вас нет карты заранее?"
Ответ заключается в использовании алгоритма, который вытягивает функции - "дверь", или "лестница", или "изгородь" - из картинок и делает новые карты окружающей среды по мере движения робота. На картах используется как семантическая этикетка (т.е. "дверь"), так и глубинное изображение. Алгоритм позволяет роботам принимать решения на основе карт, что помогает им быстрее достигать цели.
Исследователи обучили алгоритм работы на спутниковых картах. На картах было показано 77 домов из трех пригородных районов и один городской.
Эверетт окрасил карты в желтый цвет, проезжие части - в синий, живая изгородь - в зеленый, двери - в серый. Он обучал программе, используя как полные изображения пейзажа, так и частично покрытые изображения, так как движущийся робот часто будет иметь свой вид, частично затушеванный особенностями улиц, автомобилей или пешеходов.
Затем Эверетт и его команда разработали алгоритм "оценки затрат" для выбора пути максимальной эффективности (а значит, минимальной "стоимости").
- Этот алгоритм создал вторую карту, в градациях серого. На карте более темные точки находятся дальше от цели, более светлые - ближе. Дорога или тротуар могут быть темнее, в то время как подъездная дорога будет темнее и светлее, чем ближе она приближается к передней двери. Входная дверь - пункт назначения - самая светлая. Эта карта расчета стоимости проезда помогает роботу принимать обоснованные решения на лету.
Команда протестировала алгоритмы, используя симулятор дома, который не был показан на тренировочных снимках.
Они обнаружили, что их техника помогла найти входную дверь на 189 процентов быстрее, чем традиционные навигационные алгоритмы, которые полагаются на полные карты и конкретные координаты GPS.
Хотя алгоритмы, которые в настоящее время управляют большинством роботов доставки, как правило, доставляют их к месту назначения, они не всегда эффективны.
"Эта навигационная система MIT является важным шагом в этом общем направлении более быстрой навигации и доставки в режиме реального времени", - говорит Мохит Бансал, профессор информатики в Университете Северной Каролины в Чэпел-Хилле, который не участвовал в исследованиях.
Бансал говорит, что следующим препятствием для разработчиков роботизированных систем доставки станет возможность роботов обрабатывать более длинные команды, включая команды с отрицательным результатом (например, "не ходите в боковую дверь"). Другой задачей будет разработка роботов, которые смогут задавать вопросы, если они потеряются или запутаются.
Команда MIT надеется, что когда-нибудь их алгоритм может быть использован, чтобы помочь роботам найти вещи в совершенно незнакомой среде. Представьте себе робота, который мог бы понять команду "найти мою обувь" или "отнести это письмо в ближайшее почтовое отделение".
"Мое видение заключается в том, что все наши роботы смогут просто понимать по-настоящему случайные человеческие инструкции типа: "Эй, робот, иди, принеси мне кофе"
- говорит Эверетт.
Эверетт представил свои выводы на Международной конференции по интеллектуальным роботам и системам в Макао. Он стал финалистом в номинации "Лучшая бумажная награда" в области когнитивной робототехники - награда, вручаемая для содействия "прогрессу когнитивной робототехники в промышленности, домашних приложениях и повседневной жизни".
- В настоящее время система навигации лучше всего работает в средах с большим количеством конструкций. В пригородных районах на учебных картах, как правило, присутствуют предсказуемые особенности - боковые дорожки, ведущие к подъездным путям, ведущим к передним дверям.
Навигационная система, скорее всего, будет хорошо работать в упорядоченных средах, таких как гостиничные коридоры или терминалы аэропортов, но, возможно, будет иметь больше проблем, скажем, в историческом центре города, где здания построены в кардинально разных стилях. С этим еще предстоит поработать...