送货机器人曾是科幻小说中的幻想，今年终于变成了现实。它们沿着大学校园的人行道和加州郊区的街道滚动，把披萨和亚马逊(Amazon)的包裹直接送到顾客的家门口。它们正日益被视为“最后一英里交货”(last-mile delivery)的解决方案。“最后一英里交货”是供应链的一部分，货物从当地的运输中心或仓库运至最终目的地。众所周知，最后一段路程效率很低，造成了交通拥堵，释放了大量的污染。许多人认为，机器人可能是一个解决方案。

 

但是机器人怎么找到门呢?事情并不总是那么简单。GPS可以把机器人带到正确的地址，但它不能告诉它门是在车库的左边还是在花园小径的尽头。

 

这就是为什么麻省理工学院的研究人员开发了一种新的机器人导航系统。该系统包括训练机器人识别车道和邮箱等环境特征，沐鸣登录并学习哪些特征可能通向一扇门。

 

参与这项研究的麻省理工学院机械工程系研究生迈克尔·埃弗雷特(Michael Everett)说:“指望你有一张详细的机器人将要运行的每一个环境的地图，这有点不切实际。”相反，该团队问道:“如果你没有提前拿到地图，你怎么开车四处寻找目标呢?”

 

答案是使用一种算法，从图片中提取“门”、“楼梯”或“树篱”等特征，并在机器人移动时绘制新的环境地图。地图使用语义标签(即“门”)和深度图像。该算法允许机器人根据地图做出决定，这有助于它们更快地到达目的地。

 

研究人员在Bing的卫星地图上训练了该算法。该地图显示了来自三个郊区社区和一个城市社区的77所房屋。埃弗雷特根据不同的特征对地图进行了颜色编码——人行道是黄色的，车道是蓝色的，树篱是绿色的，门是灰色的。他对程序进行了训练，既使用了完整的景观图像，也使用了部分覆盖的图像，因为移动中的机器人的视野往往会被街道特征、汽车或行人部分遮挡。

 

埃弗雷特和他的团队随后开发了一种“成本-进度估算器”算法，沐鸣平台注册登录用于选择一条效率最高(因此“成本”最小)的路径。这个算法创建了第二个地图，这个是灰度图。在地图上，较暗的地方离目标较远，较亮的地方离目标较近。道路或人行道可能更暗，而车道越靠近前门就越亮。前门——目的地——是最轻的。这个成本-去估算地图帮助机器人在飞行中做出明智的决定。

 

研究小组通过模拟一所没有出现在训练图像上的房子来测试算法。他们发现，他们的技术帮助找到前门的速度比传统的导航算法快189%，而传统的导航算法依赖于完整的地图和特定的GPS坐标。虽然目前驱动大多数送货机器人的算法通常会将它们送到目的地，但它们并不总是有效的。

 

北卡罗来纳大学教堂山分校(University of North Carolina at Chapel Hill)的计算机科学教授莫希特?

 

班萨尔说，机器人送货系统的开发人员面临的下一个障碍是让机器人能够处理更长的命令，包括带否定的命令(比如“不要走到边门”)。另一项挑战将是开发在迷路或困惑时可以提问的机器人。

 

麻省理工学院的研究小组希望他们的算法有一天能帮助机器人在完全陌生的环境中找到东西。想象一个机器人可以理解“找到我的鞋子”或“把这封信送到最近的邮局”的命令。

 

埃弗雷特说:“我的设想是，我们所有的机器人将能够理解非常随意的人类指令，比如‘嘿，机器人，沭鸣平台登陆给我拿杯咖啡来’。”

 

埃弗雷特本月早些时候在澳门举行的智能机器人与系统国际会议(International Conference on Intelligent Robots and Systems)上发表了他的发现。它入围了认知机器人“最佳论文奖”的决赛，该奖项旨在促进“认知机器人在工业、家庭应用和日常生活中的进步”。这项工作的部分资金来自福特汽车公司，该公司正在开发自己的送货机器人程序。

 

目前，导航系统在很多结构的环境中工作得最好。训练地图上的郊区社区往往具有可预测的特征——人行道通往车道通往前门。