文章圖片
文章圖片
文章圖片
大量研究小組和公司已經著手解決自動駕駛汽車導航問題 ， 谷歌無人駕駛汽車等系統(tǒng)僅在偶爾人工干預的情況下記錄了數十萬公里的自動駕駛 。 這種方法受益于下一代基于距離的傳感器 ， 提供了到三維物體信息的遠距離距離 ， 而不是像傳統(tǒng)的激光測距儀那樣僅在平面上 。最近 ， 由于過去幾十年相機技術和車載計算的快速進步 ， 高性能機器人導航系統(tǒng)已經轉向結合兩種替代類型的傳感模式：相機和傳感器 。
使用計算機視覺相關領域的最先進技術 ， 標準化的機器人導航工作流程涉及從機器人安裝的透視相機以每秒三十幀的速度拍攝中高分辨率圖像具有中等視野 。 當結合傳感器時 ， 可以獲得環(huán)境的短距離三維布局 ， 這也重塑了導航算法的開發(fā)方式 。在模型中 ， 一個虛擬代理探索了一個模擬競技場 ， 以各種規(guī)模招募位置細胞 。 導航到目標是通過在多個位置單元尺度上進行前瞻探測來實現的 ， 直到命中編碼目標該模型中按位置單元對空間的編碼實際上是一個度量圖 。
該模型中的傳感在很大程度上是抽象的 。 虛擬代理通過實際上是一個完美的自我運動傳感器穿越競技場 ， 沒有能力“觀察”外部世界 ， 缺乏任何范圍或視覺感應能力 。 研究人員建議 ， 未來的工作可能會增加一種受機器人啟發(fā)的“閉環(huán)”能力 ， 以實現不完美感知的操作 。 在度量機器人測繪中 ， 閉環(huán)通常必須遵循地圖松弛或合并過程 ， 該過程通過改變地圖的空間布局來分布累積的航位推算誤差 。
如果沒有這種地圖整合 ， 從導航的角度來看 ， 地圖流形迅速變得無法使用 ， 如使用基于松散網格單元的RatSLAM模型的實驗所示；閉環(huán)是使用基于圖松弛理論的工程解決方案實現的 。 添加閉環(huán)能力來處理更真實的感知可能需要對底層導航模型進行重大更改 。 追求這一具有挑戰(zhàn)性的研究路線可能會進一步揭示多尺度網格單元如何執(zhí)行導航計算 ， 不僅適用于這個模型 ， 而且適用于許多其他缺乏導航計算的模型 。
循環(huán)閉合和地圖合并可能不是由動物執(zhí)行的；相反 ， 動物可能會通過返回熟悉的位置來重新校準它對環(huán)境中位置的估計 。 這種返回和重新校準行為是嚙齒動物模型的關鍵組成部分 。 然而 ， 它的實施是由工程啟發(fā)式驅動的 。 為了處理自身運動誤差的累積 ， 機器人被賦予了一種單調增長的不確定感 ， 最終驅使它返回原位并重新校準其路徑積分器 。
科學家已經為該模型發(fā)現了更多的生物學合理性 。 其中虛擬代理在遇到意外的地標配置后 ， 恢復到穿越熟悉的地形 。 并行測試的螞蟻表現出相似的性能 ， 這表明它們采用了一種積極的方法來處理感知不確定性 。許多仿生模型確實包含某種形式的外部環(huán)境感知 。 通常 ， 這些方法屬于以下兩類之一：基于地標的技術和基于快照的技術 。基于地標的模型在昆蟲模型地標通常采用人工圓柱形線索的形式添加到真實或模擬環(huán)境中 ， 或“自然通過對圖像執(zhí)行邊緣或斑點檢測提取的地標 。
【機器人|在度量機器人測繪中，閉環(huán)通常需要遵循地圖松弛或合并過程】在絕大多數模型中 ， 檢測這些地標幾乎沒有或沒有不確定性；要么是因為實際上沒有感知到地標 ， 它們的位置和身份在模擬環(huán)境中被硬編碼 ， 要么是因為使用相對較少、高度獨特的地標其中一些研究明確指出了感知混疊的挑戰(zhàn) 。 例如 ， 在研究者的沙漠螞蟻模型世界觀預先與絕對羅盤方向對齊 ， 以減少但不消除混疊地標配置的機會 。
相關經驗推薦
- |生產環(huán)境在Mac下，都配好了，買Win本當主力機干啥
- 翻譯|馬云預言未來50%的工作消失，這3類工作首當其沖，愿你不在其中
- 智能電視|可以自潔不用監(jiān)督，云鯨J2掃拖一體機器人
- 機器人|陳根：磁性觸手機器人，為生物醫(yī)學應用提供更多可能
- 機器人|抖音、快手“偷食”閑魚、轉轉
- 小米科技|石頭掃拖機器人T8上手體驗！完全解放雙手，吸力集塵全面提升
- 小米科技|呆頭在旺財家里想玩“QQ”，旺財讓他雙擊QQ圖標就可以了！
- 機器人|5分鐘殺滅效率超99% ?太倉企業(yè)研發(fā)上市新冠病毒過濾消毒機器人
- 機器人|小屏手機我只推薦這3款，“真滿血小屏旗艦”，完美勝任主力機
- 半導體|中日配送機器人產業(yè)對比——技術、應用全面領先？