0
| 本文作者： 杨波 | 2016-10-25 15:32 |
人和机器人的最大差别在哪里？答案是：主动解决问题的能力。例如，有很多研发技术已经非常纯熟的移动机器人还是会被一张桌子挡住去路。这类机器人尽管可以感应到桌子的存在，并且已经将它识别为障碍物，然后规划一条路径避开它，最后还是会失败。这是因为机器人只知道要避障！要避障！要避障！却不知道它们面对的大多数障碍到底是什么，这些障碍物体是如何运动的，以及应该怎么实现避障。
对此，小编只想说：“生而为人，我是绝对不会因为区区一张桌子就吃闭门羹！”这是因为人们都知道，只要把桌子推开，就可以继续昂首阔步向前走了——就算这张桌子看起来非常奇怪（比如一只桌腿断了），人们也可以适应它，并且顺利避开它。
在日前举办于韩国的2016 IROS 大会上，来自 Google DeepMind 实验室的 Jonathan Scholz 以及佐治亚理工学院的合作研究团队展示了一篇叫作《 Navigation Among Movable Obstacles with Learned Dynamic Constraints 》的论文。在这项研究中，他们赋予了移动机械臂与人类相似的避障能力——这些机器人的机械臂可以自己识别障碍，发现它们自带的愚蠢小把戏，然后继续高冷地走自己的路！
众所周知，家里和办公室中的物体总是以不可预测的方式堆积在一起。所以，研究人员在结构化的环境下（工厂和实验室中），根本无法对居家和办公的内部环境进行预测并建立模型，这使得机器人很难学会在这类环境下到底应该如何避障。即使机器人聪明到可以移开挡路的物体，它的自我适应学习过程也非常复杂。
这个难题在佐治亚理工学院学院得到了解决——由 Charles L. Isbell 和 Henrik I. Christensen 两位教授领导的研究团队一直都在教他们的 Golem Krang 机器人，如何在被物体充斥的空间内通过使用 Navigation Among Movable Obstacle (NAMO) 路径规划以及 Physics-Based Reinforcement Learning (PBRL) 机制实现自我移动。从本质上看来，Krang 机器人可以通过使用一个物理引擎来理解并且预测物体到底会如何运动，然后使用它们获取到的数据对进行适应性地移动，从而让自己到达目标位置。
来来来！一起围观它是如何运作的！千万别眨眼！（Gif中出现的两张桌子都带有可锁定的脚轮，均为35千克。）
成功！下面这个 Gif 展现了 Krang 机器人第一次尝试用蛮力通过两张桌子，然后在失败后，重新规划路径。
Krang 机器人并不知道当它们开始移动桌子时，这些桌子会整出什么幺蛾子——每次这些桌子都一个不按照常理出牌，要不就是整个卡住，动弹不得；要不就是只有一个滚动脚轮。为了解决这些问题，Krang 机器人在遇到一个新桌子后，就会更新它的物体模型，然后生成最佳的解决方案。
实际上，在以上两个 Gif 中，Krang 机器人使用的是完全一样的代码库，但是它却能够适应不同的环境。这类的适应性学习行为是人类一直都具备的，在未来，它也是非结构化环境内（家里和办公室里），机器人与人类和谐相处必备生活技能。
但是，如果 Krang 机器人想要在真正非结构化的环境里进行适应性学习的话，就不能再依赖由六个摄像机组成的、位于头顶的视觉系统和预编程操作策略了。当然，这是研究人员下一步要解决的问题，就让我们拭目以待吧！
Via IEEE Spectrum
推荐阅读：
WRC 2016｜日本东北大学Kazuhiro Kosuge教授：通用型工业机器人才是未来
雷峰网原创文章，未经授权禁止转载。详情见转载须知。
