机器人移动的一小步,是科技变革的一大步

有想过吗

为什么不用人工干预

扫地机器人可以清洁到各个角落

博物馆内的机器人在室内穿梭自如

自动驾驶汽车在园区内无障碍行驶

        ……       

 

这一切都离不开 “动”——包括精准定位、快速建图、路径规划、自动避障等在内的机器人的运动智能。

 

自从有了人工智能概念之后,人类一直想让计算机拥有“听、说、看、动”的多种能力,从而让机器变得更强大。在前几期,我们介绍了“看的能力”——视觉识别系统《AI应用 | 从模仿到超越,视觉智能下一步会怎样进化?》、“听的能力”——语音识别系统《AI应用 | 语音识别,让机器听懂这个世界》,这一期介绍“动的能力”——导航系统,看看它是如何应用到行业之中的。

 

不断学习人类的导航系统

 

在“动”方面,机器人再次借鉴了人类的能力。比如人能从位置A走到位置B,真的靠腿走的?

 

答案是否定的。因为“走”这个动作只是行为,走过去的最核心问题是“怎么走?”

 

这就涉及到:你在哪?目的地是哪?有什么路线可以选择?

 

人类是怎么解决这些问题的?计算机又是如何解决这个问题的?不得不说,在人工智能这条道路上,计算机一直是先模仿再超越人类。大脑中存在三种“导航细胞”: 

 

  • “位置细胞(Place cells)” 能绘制所处地点的地图,当经过某地时,它们能指出所在位置。

  • “头部方向细胞(head direction cells )”就像一个指南针,告诉我们该朝哪个方向前进。

  • “网格细胞(grid cells)”则通过一个类似航海中使用的经纬仪告诉我们已经行进的距离。

 

三种“导航细胞”的合作能准确带我们到达目的地,这也是计算机“能动”的原理之一。

 

机器人导航四步走

 

对于计算机尤其是机器人而言,移动的原理跟人类相似。移动之前,也是自问三个问题:“我在哪里?”、“我要去哪?”、“我怎么到达那里?”

 

在逻辑上想明白了,就剩下技术实现了。

 

宾夕法尼亚大学的Vijay Kumar教授曾讲过,任何系统的导航,都由四部分组成: 

 

  • 状态估计(State Estimation):实现机器人的定位和感知。 

  • 建图(Mapping):建立所在环境的地图(如果事先没有给地图的话)。 

  • 规划(Planning):制定行走的路线。

  • 控制(Control):控制机器人按照导航走。

 

从当前的发展情况看,机器人在特定场景的移动已经与人类相似。就以机器人移动最复杂的应用场景——自动驾驶来说,业内也在不断突破,而在一些固定场景下的银行、酒店等服务型机器人,导航和移动也逐渐成熟了。

 

其实,实现导航的每一部分都有很多方法和技术。常用的技术是SLAM(Simultaneous Localization And Mapping,同步建图与定位),像百度机器人导航和视觉解决方案用的就是该技术。

 

路径规划考虑是实现

 

有了定位和地图,可以开始导航了。就像手机导航一样,我们需要知道起点和终点,然后找到一条路。

 

关键就在“路”的选择上,需要考虑很多因素。

 

举个例子,人在北京,打算自驾去拉萨。怎么走?两点之间直线最短。但是不能这么走,因为直线上可能有河、山、峡谷,汽车开不过去。所以路径规划既要保证路程最短,也必须做到行得通。

 

机器人的移动也同理,需要考虑全局规划(路径短)和局部规划(绕障碍),得到最佳的路径。最后控制机器人按照既定路线到达目的地。

 

“动起来”让机器人更有趣

 

通过这种介绍,基本了解现在机器人“能动”的原理了,这也是机器人的核心能力之一。这与 “听、说、看”等其他综合能力和技术在一起,才能构成完整的“机器人”的能力。

 

而百度云也有智能服务机器人开放平台,聚焦在核心技术赋能,帮助各行各业的机器人开发者升级技术、降低成本,开放软硬一体化的开发者平台,进而降低整个机器人产业的技术门槛,提升服务体验。

 

当前看到的,类似扫地机器人、大堂答疑机器人这种能移动的服务型机器人正进入各行各业,在酒店、餐饮、政务、零售、银行、机场等场景下发挥着作用,这也是人工智能在行业中应用之一。

收藏 评论(0)
分享到: