主页 > 新闻资讯 >

模型可以帮助机器人更像人类一样导航-西安模型

来源:未知作者:昆明赛野模型发布时间:2018-10-11 10:28

研究人员在两种情况下展示了他们模型的优势:在具有陷阱和狭窄通道的挑战性房间中导航,以及在避免与其他代理人碰撞的同时导航区域。一个有前途的实际应用程序正在帮助自动驾驶汽车导航交叉路口,他们必须在合并到交通之前快速评估其他人将要做的事情。研究人员目前正在通过Toyota-CSAIL联合研究中心进行此类应用。
 

机器人-模型制作

“当人类与世界互动时,我们会看到一个我们之前与之互动的对象,或者我们以前曾经去过的某个地方,所以我们知道我们将如何行动,”Yen-Ling Kuo说道, CSAIL的博士生和论文的第一作者。“这项工作背后的想法是在搜索领域增加一个机器学习模型,该模型从过去的经验中了解如何提高规划效率。”

Boris Katz是CSAIL的首席研究科学家和InfoLab Group的负责人,也是该论文的共同作者。

交易勘探和开采

传统的运动规划师通过快速扩展最终覆盖整个空间的决策树来探索环境。然后机器人查看树以找到到达目标的方式,例如门。然而,研究人员的模型提供了“在探索世界和利用过去的知识之间进行权衡”,Kuo说。

学习过程从几个例子开始。使用该模型的机器人通过几种方式进行训练以导航类似的环境。神经网络通过解释机器人周围的环境来学习使这些例子成功的原因,例如墙壁的形状,其他代理人的行为以及目标的特征。简而言之,该模型“得知当你被困在一个环境中,并且你看到一个门口时,通过门出去可能是一个好主意,”巴布说。

该模型将早期方法的探索行为与此学习信息相结合。基础规划师名为RRT *,由麻省理工学院教授Sertac Karaman和Emilio Frazzoli开发。(它是广泛使用的运动规划算法的一种变体,称为快速探索随机树或RRT。)规划器创建一个搜索树,而神经网络镜像每个步骤,并对机器人应该下一步的位置进行概率预测。当网络以高可信度进行预测时,基于学习的信息,它引导机器人进入新的路径。如果网络没有很高的可信度,那么它就可以让机器人探索环境,就像传统的计划者一样。

例如,研究人员在称为“虫陷阱”的模拟中展示了该模型,其中2-D机器人必须通过中央狭窄通道从内腔逃逸并到达周围较大房间的位置。通道两侧的盲目盟友可以让机器人卡住。在这个模拟中,机器人接受了一些如何逃避不同的陷阱的训练。当面对一个新陷阱时,它会识别陷阱的特征,逃脱,并继续在较大的房间中搜索其目标。神经网络帮助机器人找到陷阱的出口,识别死角,并让机器人感知周围环境,以便快速找到目标。

本文中的结果基于在一段时间后找到路径的机会,达到给定目标的路径的总长度以及路径的一致性。在这两种模拟中,研究人员的模型更快速地绘制了比传统规划者更短且更一致的路径。

“这个模型非常有趣,因为它允许运动规划师适应它在环境中所看到的情况,”布朗大学计算机科学助理教授Stephanie Tellex说,他没有参与这项研究。“通过将规划器定制为机器人知道的内容,这可以显着提高规划速度。大多数规划者根本不适应环境。对于传统的规划者来说,能够穿越狭长的通道是非常困难的,但他们可以解决它。我们需要更多方法来弥合这一差距。“

使用多个代理

在另一项实验中,研究人员在具有多个移动代理的导航环境中训练和测试了该模型,这对于自动驾驶汽车尤其是导航交叉路口和环形交叉路口是一种有用的测试。在模拟中,有几个特工围绕着一个障碍物。机器人代理必须成功导航其他代理,避免碰撞,并到达目标位置,例如环形交叉口的出口。

“像环形交叉路口这样的情况很难,因为他们需要推理其他人如何回应你的行为,然后你将如何回应他们的行为,接下来会做什么,等等,”巴布说。“你最终发现你的第一个动作是错误的,因为稍后它会导致可能的意外。你必须应对的汽车越多,这个问题就会越来越严重。“

结果表明,研究人员的模型可以捕获关于其他代理人(汽车)未来行为的足够信息,以便尽早切断过程,同时仍然在导航中做出正确的决定。这使计划更有效率。此外,他们只需要在几个只有几辆车的环形交叉口的例子上训练模型。“机器人制定的计划考虑到了其他车辆将会做什么,就像任何人一样,”巴布说。

穿越十字路口或环形交叉路口是自动驾驶汽车面临的最具挑战性的场景之一。据研究人员称,这项工作可能有一天会让汽车了解人类的行为以及如何适应不同环境中的驾驶员。这是丰田 - CSAIL联合研究中心工作的重点。

“并不是每个人的行为方式都相同,但人们却非常刻板。有些人害羞,有些人很有侵略性。该模型很快意识到这一点,这就是它可以有效规划的原因,“巴布说。

最近,研究人员一直将这项工作应用于机械手,这些机械手在不断变化的环境中接触物体时面临同样严峻的挑战。

下一篇:没有了