在不久的将来，机器人可能会被派遣作为最后一英里的送货车，以便在你能找到门的时候，在你家门口放下你的外卖订单、包裹或套餐。

机器人导航的标准方法包括预先绘制区域，然后使用算法将机器人引导到地图上的特定目标或GPS坐标。尽管这种方法对于探索特定环境(例如特定建筑的布局或规划的障碍路线)可能很有意义，但在最后一英里交付的情况下，它可能会变得笨拙。

例如，假设机器人送货区的每个邻居都必须提前绘制，包括邻居中每个房屋的配置和每个房屋前门的具体坐标。这个任务可能很难扩展到整个城市，尤其是当房子的外观经常随着季节而变化的时候。绘制每栋房子的地图也可能会遇到安全和隐私问题。

现在，麻省理工学院的工程师开发了一种导航方法，不需要提前绘制区域。相反，他们的方法使机器人能够利用其环境中的线索来规划到达目的地的路线，这可以用一般的语义术语(如“前门”或“车库”)来描述，而不是地图上的坐标。例如，如果机器人被指示将包裹送到某人的前门，它可能会从道路上开始，并看到一条经过训练的车道，以识别它可能通向人行道，而人行道又可能通向前门。

这项新技术可以大大减少机器人在确定目标之前探索某个地方所花费的时间，而且不依赖于特定房屋的地图。

麻省理工学院机械工程系研究生迈克尔埃弗雷特(Michael Everett)说，“我们不需要为每一栋需要参观的建筑绘制地图。”“有了这项技术，我们希望把机器人放在任何车道的尽头，让它找到一扇门。”

埃弗雷特将在本周的智能机器人和系统国际会议上展示这个小组的成果。本文由麻省理工学院航空航天学教授乔纳森何(Jonathan How)和福特汽车公司的贾斯汀米勒(Justin Miller)共同撰写，是“认知机器人最佳论文”的入围者。

“对事物的感觉”

近年来，研究人员致力于将自然语义语言引入机器人系统，并训练机器人通过其语义标签来识别物体，例如，使它们可以在视觉上将门视为门，而不是简单地将其视为实心的矩形障碍物。

埃弗雷特说：“现在，我们有能力让机器人实时了解事物的本质。”

Everett、How和Miller使用相似的语义技术作为他们新的导航方法的跳板，该方法利用现有的算法从视觉数据中提取特征，生成相同场景的新地图，该地图由语义线索或上下文来表示。

在他们的案例中，研究人员使用了一种算法，当机器人四处移动时，通过使用每个对象的语义标签和深度图像来构建环境地图。这种算法被称为语义SLAM(同步定位和映射)。

虽然其他语义算法使机器人能够识别和映射环境中的对象，但它们不允许机器人在导航新环境时，即通过最有效的路径到达语义目的地时做出决策。比如“前门”。

“在探索之前，放下一个机器人，说‘开始’。它会四处移动，最终到达那里，但会很慢，”How说。

成本去除

研究人员希望通过语义和上下文丰富多彩的世界来加快机器人的路径规划。他们开发了一种新的“销售成本估计器”，它将预先存在的SLAM算法创建的语义图转换成第二个图，表明任何给定位置接近目标的可能性。

埃弗雷特说，“这是受图像到图像转换的启发，在图像转换中，你可以给一只猫拍照，让它看起来像一只狗。”“同样的想法也发生在这里。你取一张看起来像世界地图的图像，然后转换成另一张看起来像世界地图的图像，但现在你可以根据地图上不同点的接近程度给它上色，以达到最终的目的。”

这个“成本计算”地图是彩色的，表示远离目标的较暗区域和靠近目标的较亮区域。例如，语义地图中用黄色编码的人行道可以通过成本核算算法转换成新地图中较暗的区域，而车道在接近前门时逐渐变亮——新地图中最亮的区域。

研究人员在必应地图的卫星图像上训练了这种新算法，该地图包括来自一个城市和三个郊区的77所房屋。系统将语义图转化为可用成本图，并根据最轻的区域映射出最有效的路径，直至最终目标。对于每一张卫星图像，埃弗雷特都会给前院典型的环境特征分配语义标签和颜色，比如灰色的前门、蓝色的车道和绿色的树篱。

在这次训练中，团队还在每张图像上应用了一个遮罩，以模拟机器人的相机在经过院子时可能有的部分视图。

How解释说：“我们方法的部分技巧是[为系统提供]许多本地图像。“因此，它真的必须弄清楚所有这些事情是如何相互关联的。这是该功能可靠运行的部分原因。”

然后，研究人员在训练数据集之外的全新房屋的图像模拟中测试了他们的方法。首先，他们使用预先存在的SLAM算法来生成语义图，然后使用其新的成本估计器来生成第二个图和到目标(在这种情况下是前门)的路径。

该小组的新的成本管理技术发现前门的速度比经典导航算法快了189%，后者没有考虑上下文或语义，而是花了过多的步骤来探索不太可能达到其目标的区域。

埃弗里特(Everett)说，结果说明了即使在陌生，未映射的环境中，机器人也可以使用上下文有效地定位目标。

埃弗里特说：“即使机器人将包裹运送到从未去过的环境中，也可能会有与所见过的其他地方相同的线索。”“因此，世界的布局可能有所不同，但可能存在一些共同点。”

这项研究得到福特汽车公司的部分支持。