ВЫБОР РЕДАКЦИИ

Корпорация Intel ускоряет разработку средств ИИ для облачных и краевых вычислений с повышенным быстродействием

Машинное обучение открывает новые возможности FPGA

Вопросы развития краевых вычислений

Машинное обучение открывает новые возможности FPGA

Новые тенденции использования машинного обучения при проектировании и обработке изображений

Перспективы развития микроконтроллеров с краевым искусственным интеллектом

Корпорация Tachyum активизирует работу с правительственными клиентами

Повышение способности искусственного интеллекта к самостоятельному обучению при помощи ReRAM

Искусственный интеллект: основные опасности и способы заработка на зрелых технологиях

LF Energy и Sony CSL планируют сотрудничество в проекте микросетей с открытым исходным кодом

Новые области применения искусственного интеллекта

Технология, которая ускорит навигацию роботов

Технология, которая ускорит навигацию роботов

Выпуск 24 (6698) от 05 декабря 2019 г.
РУБРИКА: РОБОТОТЕХНИКА

Исследователи Массачусетского технологического института (MIT) разработали метод навигации, не требующий предварительного картирования местности. Вместо этого их подход позволяет роботу использовать подсказки из окружающей среды для планирования маршрута к месту назначения, которое может быть описано общеупотребительным выражением, таким как «входная дверь» или «гараж», а не координатами на карте. Новая технология позволит значительно сократить время, которое робот тратит на исследование территории прежде чем идентифицировать свою цель, при этом он не зависит от карт конкретных домов.

В не столь отдаленном будущем роботов можно будет использовать в качестве курьеров для доставки разнообразных товаров прямо к порогу дома – ​если, конечно, они смогут научиться находить дверь.

Стандартные подходы для роботизированной навигации предусматривают заблаговременное картографирование объектов. Затем используются определенные алгоритмы, чтобы направить робота к конкретной точке или GPS-координатам на карте. В определенных случаях такой подход вполне оправдан – ​например, при изучении планировки конкретного здания, однако он может причинить немало неудобств в контексте осуществления доставки до конечного потребителя.

Действительно, в этом случае было бы необходимо заранее составить карту каждого района в пределах зоны доставки робота, включая конфигурацию каждого здания и конкретные координаты каждой входной двери. Такая задача представляется крайне трудно масштабируемой в рамках целого города, особенно если учесть, что внешний вид домов зачастую меняется в зависимости от времени года. Кроме того, при картировании каждого дома есть риск столкнуться с проблемами безопасности и конфиденциальности.


Семантическая идентификация объектов

В последние годы исследователи MIT работали над внедрением естественного языка в роботизированные системы, обучая роботов распознавать объекты по их семантическим меткам, чтобы они могли визуально идентифицировать дверь как дверь, а не просто как твердое прямоугольное препятствие.

Специалисты MIT используют аналогичные семантические методы для развития своего нового подхода к навигации. В нем задействованы уже существующие алгоритмы, позволяющие выделить из визуальных данных определенные элементы для создания новой карты той же местности, представленной в виде семантических подсказок или контекста. Для этого был использован алгоритм построения карты окружающей среды при перемещении робота с использованием семантических меток каждого объекта и глубины изображения. Этот алгоритм получил название «семантический SLAM».

Другие смысловые алгоритмы позволяли роботам распознавать и отображать объекты на его пути такими, какие они есть, однако не давали ему возможности принимать решения в режиме реального времени при передвижении по новой местности, чтобы выбрать наиболее эффективный путь до заданной точки, например до входной двери.


Оценка стоимости пути

Для того чтобы ускорить процесс планирования пути робота, исследователи MIT разработали новый алгоритм, названный «оценкой стоимости пути». Он преобразует семантическую карту, созданную ранее существовавшими алгоритмами SLAM, во вторую карту, отражающую вероятность того, что любое заданное местоположение будет близко к конечному пункту.

Для этого потребовалось окрасить карту в зависимости от удаленности различных точек от пункта назначения. Основной цвет карты – ​серый, более темные участки обозначают наиболее удаленные от цели объекты, а более светлые – ​объекты, наиболее приближенные к пункту назначения.

Робот получил обучение с использованием этого нового алгоритма и спутниковых снимков Bing Maps. Всем объектам на спутниковых изображениях были присвоены семантические метки и цвета в контексте местности: серый для входных дверей, синий для проезжей части, зеленый для живых изгородей.

Во время процесса обучения к каждому снимку применялись специальные маски, закрывающие часть изображения – ​поскольку при движении по улицам камера робота, скорее всего, будет «видеть» только частичную картину местности, эту фрагментарность нужно было сымитировать. Ключевая задача состояла в том, чтобы загрузить в систему как можно больше частичных изображений, чтобы впоследствии выстроить цепочку взаимосвязи разных объектов.

Затем исследователи протестировали действенность своего подхода, смоделировав изображение совершенно нового дома, не включенное в обучающий набор данных. Сначала они использовали ранее существующий алгоритм SLAM для генерации семантической карты, а затем применили новый метод оценки стоимости пути для создания второй карты и формирования маршрута к цели, в данном случае к входной двери.

Новая технология позволила роботам находить входную дверь на 189% быстрее, чем классические навигационные алгоритмы, которые не учитывают контекст, а вместо этого тратят время на исследование территорий, заведомо находящихся в удалении от их цели. Алгоритм, разработанный специалистами MIT, дает возможность роботу ориентироваться в новой среде при помощи подсказок и меток, аналогичных тем, которые он использовал в других, уже знакомых ему местностях.


Chu Jennifer. Technique Helps Robots Find the Front Door. MIT News, November 4, 2019: http://news.mit.edu/2019/technique-helps-robots-find-front-door


ЧИТАЙТЕ ТАКЖЕ