面對陌生環(huán)境，機器人如何像人一樣自由穿行？

對移動式工作的機器人來說，如何判斷周邊環(huán)境的安全，以保證暢通無阻是非常重要的。還沒動兩步就“咣咣”碰壁，這樣的機器人就太尷尬了。

典型的是掃地機器人。說白了，掃地機器人就是在不斷地碰壁——當(dāng)然，它也不是真碰，而是通過傳感器來判斷周圍有無障礙物，然后繪制出整個房間里的地圖。完成之后，其就可以愉快地完成掃地工作了。這有點像決策樹，此路不通就另尋他路，也就是通過不斷試錯，最終試驗出正確的路徑來。

但是問題在于，掃地機器人繪制的家庭地圖只針對特定的環(huán)境才有效。打個比方，好不容易把廚房的地圖給畫好了，轉(zhuǎn)身進(jìn)了臥室就又得重新畫圖。別人借走用一用，它又得重新干活。

也就是說，掃地機器人的這種學(xué)習(xí)的方式是不具備普適性的。挪了地兒就不能用，它既有的工作經(jīng)驗在新的環(huán)境中沒有任何用處。它的經(jīng)驗，是死的。

聰明的讀者一定會明白我要說什么了：有沒有一種方法，能夠把機器人的這種死經(jīng)驗給盤活，以便擴大其適用范圍呢？

答案是，有。

有人開發(fā)了個模型，就是為了讓機器人一次跑成

我們造機器人，就是想要讓機器獲得類似于人的能力。那么，就針對掃地這件事來說，人是不需要畫圖的。你抬頭一看，左邊是一扇門，右邊是一堵墻，中間是空地，自然而然就掃中間的。你不會傻到先碰碰墻再碰碰門，最終才確定中間的空地是能掃的吧？

麻省理工學(xué)院的研究人員就在試圖令機器獲得這種能力。他們制作了一個新的神經(jīng)網(wǎng)絡(luò)模型，以便能夠讓機器人自主地探索環(huán)境，在觀察環(huán)境主體的時候聯(lián)系到既有的經(jīng)驗，從而達(dá)到目標(biāo)。

比如我看到一個門，掃一眼就知道應(yīng)該怎樣以最短的路線去朝門走去。而機器人則通常是以決策樹來嘗試出無數(shù)種可能，然后選擇最佳的方案。它的問題我們開頭就說了，就是換個環(huán)境得重新做出決策，既有的經(jīng)驗完全沒用。也就是說，機器人的每一次嘗試，其實都是第一次。而人知道怎么朝這個門走去，換做另外一扇門也一眼就能知道。

那么，研究人員的目的就是要讓機器人在做判斷的時候，加入其既有的經(jīng)驗，然后去適應(yīng)新的不同的環(huán)境。其開發(fā)出的模型就是將規(guī)劃算法與神經(jīng)網(wǎng)絡(luò)結(jié)合，學(xué)習(xí)識別出最佳的路徑，然后用來指導(dǎo)機器人在陌生的環(huán)境中移動。

比如說，研究人員設(shè)計的一個模擬實驗。機器人必須要通過一個中間狹窄的通道從密室逃出，到達(dá)更大房間里的一個位置。而在這個通道兩邊會有一些由其他物體設(shè)置的陷阱，在機器人觸碰的時候卡住它。傳統(tǒng)的機器人會挨個碰一遍，在屢次試錯之后繪制通過地圖；而在這個實驗中，研究人員對機器人進(jìn)行了陷阱特征的訓(xùn)練學(xué)習(xí)。于是，在逃跑的過程中，機器人一邊跑一邊對眼前的阻擋物進(jìn)行識別，最終實現(xiàn)對周圍環(huán)境的感知，以最快、最佳的路徑達(dá)到目的地。

簡單來說，該模型的特點就是能夠更快地找到更合適的路徑，并培養(yǎng)機器人自主導(dǎo)航的能力。

掃地姑且不提，駛離大轉(zhuǎn)盤將大有裨益

從研究人員繪制的美好藍(lán)圖當(dāng)中我們依然可以清楚地看到他們的意圖：讓機器人在開路這方面，更像人。而當(dāng)機器人的自我導(dǎo)航能從一個場景“移植”到另一個場景的時候，也就意味著大量場景應(yīng)用可能的誕生。

首當(dāng)其沖者必然是掃地機器人。機器人買回家之后，第一件事再也不會是熟悉環(huán)境了。其通過已經(jīng)獲得的訓(xùn)練，放下就能在工作的過程中尋找最優(yōu)路線，真正實現(xiàn)即插即用。時不時來個“小鹿亂撞”的掃地機器人時代也可能將徹底成為過去。

而這項技術(shù)的最大受益者很可能是時下火熱的自動駕駛。

當(dāng)然，長距離導(dǎo)航自然用不上，畢竟有高精地圖、GPS在那兒發(fā)揮著效用。該技術(shù)對自動駕駛汽車的作用之處，在于短距離的、瞬時的行駛導(dǎo)航?jīng)Q策。

目前而言，要保證自動駕駛汽車的安全行駛，研究者為其加入了大量的硬件，激光雷達(dá)、傳感器、毫米波雷達(dá)，以及優(yōu)越的算法。按照目前的技術(shù)，在直線行駛上和稀松的轉(zhuǎn)完路口，自動駕駛車輛基本上可以自如應(yīng)對。但問題是，如果是車流比較多的路口呢？或者說經(jīng)過大轉(zhuǎn)盤？

谷歌的無人車在測試的過程中就被廣大人類司機詬病過一個問題，那就是由于其被設(shè)計得特別遵守交通規(guī)則、特別禮讓，導(dǎo)致在左轉(zhuǎn)的時候，自動駕駛車總是在等直行車流通過，很長時間也無法并線匯入車流，哪怕是匯入之后并不影響直行車行駛。這樣跟在后面的司機當(dāng)然不開心了。要知道人類司機可以在保證安全的情況下見縫插針，自動駕駛車顯然還不行?；蛘哒f不是不行，只是為了保證安全，還不能這樣設(shè)計。

況且，左轉(zhuǎn)尚且如此，一旦遇到轉(zhuǎn)盤式路口的時候，更復(fù)雜的轉(zhuǎn)向恐怕會更讓車子規(guī)規(guī)矩矩地等了。

而在研究人員的實驗中，也涉及了這方面的東西。實驗證明，該機器人可以捕捉到周圍車輛的通行信息并進(jìn)行預(yù)測，然后做出合適的路線規(guī)劃。甚至其還意識到了不同的駕駛?cè)藭谢蚓徍突蚣ち业男熊囷L(fēng)格，從而做出不同的規(guī)劃。

簡單來說，它可以讓車輛不再永遠(yuǎn)禮讓他人，而是瞅準(zhǔn)機會一把通過。

如果足夠精準(zhǔn)的話，自動駕駛汽車過轉(zhuǎn)盤可能比人類司機還要好，畢竟人也會猶豫，而機器則是不會猶豫的。

或許更精準(zhǔn)的雷達(dá)、傳感器探測也會有助于解決這個問題，但開發(fā)個模型進(jìn)行訓(xùn)練和花費巨大的成本提升探測精度比較起來，誰更劃算自然是不言自明。

當(dāng)然，該模型也并不是萬能的，其應(yīng)用范圍局限于較短距離的路徑，如果達(dá)到幾百米甚至以公里計，那還是衛(wèi)星導(dǎo)航更靠譜點。

動態(tài)取勝，或是成敗關(guān)鍵

模型除了不是萬能的，也還有一些問題是需要切實注意的。

首先，這個世界就是靜態(tài)和動態(tài)的結(jié)合。顯然，在處理靜物的時候，它是沒有什么問題的，連傳統(tǒng)家用機器人都可以處理，無非就是個高精度（也許高精度都用不了）的傳感器的事兒。而研究人員的想法也顯然并不是讓它在一篇靜謐和諧的環(huán)境中去工作，而是在動態(tài)之中獲得生存之道。

在自動駕駛中的應(yīng)用就是該研究的出發(fā)點之一。應(yīng)對動態(tài)的車流、人流本身就是自動駕駛的一個巨大考驗，更何況要在這樣動態(tài)的過程中尋找一個最佳的路線，這本身就是很難解決的事情。

比如說自動駕駛車從轉(zhuǎn)盤的第二出口駛出，而這時在它的右方有要前往第三出口的車輛，那它該如何選擇？在那一瞬間，它要判斷幾個方面的因素：自身位置與第二出口車道的距離；其他一輛或者多輛汽車各自的時速、駕駛風(fēng)格等；然后設(shè)計出自己安全駛離轉(zhuǎn)盤同時又避免與其他車輛相撞的最佳路線，一次成功。

因為只能一次成功，畢竟不能像月光寶盒那樣撞一下我們回到開始再撞一下，直到試錯成功吧？

所以，如何開發(fā)優(yōu)秀的算法來對動態(tài)的環(huán)境做精準(zhǔn)的判斷，是這項技術(shù)的關(guān)鍵內(nèi)容。

另一方面，該模型的工作方式其實并未脫離決策樹算法。也就是說，作用到機器人的身上，其實是由兩套決策。一個是由神經(jīng)網(wǎng)絡(luò)做出，當(dāng)其根據(jù)已有的訓(xùn)練對前方的位置通行做出一個較高的預(yù)測值的時候，機器人就聽神經(jīng)網(wǎng)絡(luò)的；當(dāng)神經(jīng)網(wǎng)絡(luò)給出的預(yù)測值較低，也就是可能無法做出準(zhǔn)確判斷的時候，機器人還是采用的決策樹的方法，慢慢試錯著來……

這當(dāng)然是可以理解的，甚至兩種方法結(jié)合的方式可能會永遠(yuǎn)存在下去。而在這個過程中應(yīng)有的變化則是，神經(jīng)網(wǎng)絡(luò)的依賴權(quán)重逐漸增加，決策樹最終退化到僅僅是作為保障萬一之用。

顯然，目前來說，決策樹算法還是有很重要的作用的。

如果這個模型最終真的可以成熟地應(yīng)用到實際當(dāng)中，我們將很有可能看到行動更加自如的機器人：自如掃地、自如穿行馬路、自如過轉(zhuǎn)盤……我們的生活，也可能會因此變得更加自如。

生成海報

免責(zé)聲明：此文內(nèi)容為第三方自媒體作者發(fā)布的觀察或評論性文章，所有文字和圖片版權(quán)歸作者所有，且僅代表作者個人觀點，與極客網(wǎng)無關(guān)。文章僅供讀者參考，并請自行核實相關(guān)內(nèi)容。投訴郵箱：editor@fromgeek.com。

免責(zé)聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準(zhǔn)確性及可靠性，但不保證有關(guān)資料的準(zhǔn)確性及可靠性，讀者在使用前請進(jìn)一步核實，并對任何自主決定的行為負(fù)責(zé)。本網(wǎng)站對有關(guān)資料所引致的錯誤、不確或遺漏，概不負(fù)任何法律責(zé)任。任何單位或個人認(rèn)為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權(quán)或存在不實內(nèi)容時，應(yīng)及時向本網(wǎng)站提出書面權(quán)利通知或不實情況說明，并提供身份證明、權(quán)屬證明及詳細(xì)侵權(quán)或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關(guān)文章源頭核實，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。