0
  • 聊天消息
  • 系统消息
  • 评论与回复
登录后你可以
  • 下载海量资料
  • 学习在线课程
  • 观看技术视频
  • 写文章/发帖/加入社区
创作中心

完善资料让更多小伙伴认识你,还能领取20积分哦,立即完善>

3天内不再提示

人工智能机器人BADGR可自行规划和穿越无障碍路径

IEEE电气电子工程师 来源:IEEE电气电子工程师学会 2020-05-16 10:45 次阅读

这篇文章最初发表在加州大学伯克利分校的BAIR博客(https://bair.berkeley.edu/blog/)上。

看上面的图片。如果我让你给我带一条野餐毯到草地上,你能做到吗?当然了。那如果我让你带一辆装满食物的车来参加聚会,你会把车推到铺好的小路上还是推到草地上?当然是铺好的路啦。

虽然这些问题的答案似乎显而易见,但今天的移动机器人很可能会在这些任务上失败:他们会认为高高的草地就像水泥墙,不知道平坦的道路和崎岖的草地有什么区别。这是因为大多数移动机器人纯粹是从几何学的角度来思考:它们探测障碍物的位置,并围绕这些感知到的障碍物规划路径,以达到目标。这种纯粹的几何世界观不足以解决许多导航问题 -- 光是几何学是不够的。

Photo: UC BerkeleyBADGR consists of a Clearpath Jackal mobile platform equipped with an NVIDIA Jetson TX2 computer, IMU, GPS, and wheel encoders. Forward-facing cameras, a 2D lidar, and a compass were added to the standard configuration.

我们能让机器人直接从图像中推理出导航信号吗?为了探索这个问题,我们开发了一种机器人,它可以通过自己在现实世界中的经验,自主地学习环境的物理属性,而无需任何模拟或人类的监督。我们称我们的机器人学习系统为BADGR:伯克利自主驾驶地面机器人(the Berkeley Autonomous Driving Ground Robot)。

BADGR通过以下方式工作:

1. 自主采集数据

2. 自动标注数据并进行自我监控

3. 基于图像的神经网络预测模型的训练

4. 利用预测模型对未来进行规划并执行将引导机器人完成所需导航任务的操作

数据收集

Image: UC BerkeleyBADGR autonomously collecting data in off-road (left) and urban (right) environments.

BADGR需要大量多样的数据才能成功地学习如何导航。机器人使用简单的时间相关随机行走控制器收集数据。当机器人收集数据时,如果遇到碰撞或卡住,它会执行一个简单的重置控制器,然后继续收集数据。

自监督数据标记

接下来,BADGR利用数据计算特定导航事件的标签,例如机器人的位置,以及机器人是否碰撞或在崎岖不平的地形上行驶,然后将这些事件标签添加回数据集中。这些事件通过让人编写一小段代码来标记,这些代码将原始传感器数据映射到相应的标签。例如,用于确定机器人是否在颠簸地形上的代码片段将查看IMU传感器,并在角速度幅值较大时将地形标记为颠簸。

我们将这种标记机制描述为自我监督形式,因为尽管一个人必须手动编写此代码段,但可以使用此代码段标记所有现有和将来的数据,而无需任何额外的人工操作。

神经网络预测模型

Image: UC BerkeleyThe neural network predictive model at the core of BADGR.

然后BADGR利用这些数据训练一个深层神经网络预测模型。该神经网络将当前摄像机图像和未来计划的动作序列作为输入,并输出对未来相关事件(如机器人是否会碰撞或在崎岖不平的地形上行驶)的预测。训练神经网络预测模型以尽可能准确地预测这些未来事件。

规划和导航

Image: UC BerkeleyBADGR predicting which actions lead to bumpy terrain (left) or collisions (right).

在部署BADGR时,用户首先定义一个奖励函数,该函数对他们希望机器人完成的特定任务进行编码。例如,奖励功能可以鼓励朝目标驾驶,同时阻止碰撞或在崎岖不平的地形上驾驶。然后,BADGR使用经过训练的预测模型、当前图像观察和奖励函数来计划使奖励最大化的一系列动作。机器人执行这个计划中的第一个动作,BADGR继续在计划和执行之间交替,直到任务完成。

在我们的实验中,我们研究了BADGR如何在加州大学伯克利分校(UC Berkeley)附近的一个大型场外设施中了解环境的物理属性。我们将该方法与使用激光雷达规划无碰撞路径的基于几何体的策略进行了比较。(请注意,BADGR仅使用车载摄像头。)

Image: UC BerkeleyBADGR successfully reaches the goal while avoiding collisions and bumpy terrain, while the geometry-based policy is unable to avoid bumpy terrain.

我们首先考虑的任务是,城市环境中,在避免碰撞和崎岖地形的同时,达到目标GPS位置。BADGR总是成功完成任务,且避免颠簸的地形。注意,我们从未告诉过机器人在道路上行驶;BADGR从车载摄像机图像中自动得知,在具体的道路上行驶比在草地上行驶更加平滑。

Image: UC BerkeleyBADGR successfully reaches the goal while avoiding collisions, while the geometry-based policy is unable to make progress because it falsely believes the grass is an untraversable obstacle.

‍我们还考虑了在避免碰撞和被困在越野环境中的同时达到目标GPS位置的任务。基于几何学的方法几乎从未发生崩溃或陷入草地,但有时会出现拒绝移动的情况 -- 因为它被草地包围后,它错误将草地地标记为不可规避的障碍。

BADGR几乎总是通过避免碰撞和卡住来达到目标,而不是错误地预测所有的草都是障碍。这是因为BADGR从经验中学到,大多数草实际上是可以穿越的。

Image: UC BerkeleyBADGR’s navigation capability improves as it gathers more data.

‍除了能够了解环境的物理属性之外,BADGR的一个关键方面是它能够在收集越来越多的数据时不断地自我监督和改进模型。为了证明这种能力,我们进行了一项对照研究,其中BADGR收集和训练来自一个区域的数据,移动到一个新的目标区域,在该区域导航失败,但在收集和训练来自该区域的额外数据后,最终在目标区域获得了成功。

这个实验不仅证明了BADGR在收集更多的数据时可以改进,而且当BADGR遇到一个新的环境时,以前收集的经验实际上可以帮助其加速学习。随着BADGR在越来越多的环境中自动收集数据,在每个新的环境中成功地学习导航所需要的时间也越来越少。

我们还评估了BADGR在从森林到城市建筑等新环境中的导航能力。这一结果表明,如果BADGR能够在足够大和多样的数据集上进行收集和训练,它可以推广到新的环境中使用。

BADGR背后的关键洞见是,通过直接从现实世界的经验中自主学习,BADGR可以学习导航功能,在收集更多数据时进行改进,并进行推广。尽管我们相信BADGR是朝着全自动、自我改进的导航系统迈出的有希望的一步,但仍然存在一些开放的问题:机器人如何在新环境中安全地收集数据,或如何在新数据流进入时适应,或如何应对非静态环境,如人类走动呢?

我们认为,解决这些和其他挑战对于使机器人学习平台能够在现实世界中学习和行动至关重要。

Gregory Kahn是加州大学伯克利分校BAIR(Berkeley AI Research)实验室的博士生,师从Sergey Levine教授和Pieter Abbeel教授。他的主要研究目标是开发能够让机器人在现实世界中操作的算法。他目前的研究是针对移动机器人的深度强化学习。

声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表电子发烧友网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。 举报投诉
  • 神经网络
    +关注

    关注

    42

    文章

    4530

    浏览量

    98352
  • 移动机器人
    +关注

    关注

    2

    文章

    708

    浏览量

    33293
  • 人工智能
    +关注

    关注

    1770

    文章

    43089

    浏览量

    229913

原文标题:加州大学伯克利分校研发人工智能机器人BADGR 可自行规划和穿越无障碍路径

文章出处:【微信号:IEEE_China,微信公众号:IEEE电气电子工程师】欢迎添加关注!文章转载请注明出处。

收藏 人收藏

    评论

    相关推荐

    人工智能大模型在工业机器人方面的规划

    工业机器人应用较多的企业已具备良好的数字化基础,结合实际需求,对人工智能大模型在工业机器人领域的应用进行整体设计规划
    发表于 01-05 17:27 182次阅读

    机器人技术中常用的路径规划算法的开源库

    如何规划机器人的运动方式是机器人开发领域的一大课题,本文分享GitHub的一个机器人技术中常用的路径规划
    的头像 发表于 10-21 09:36 362次阅读
    <b class='flag-5'>机器人</b>技术中常用的<b class='flag-5'>路径</b><b class='flag-5'>规划</b>算法的开源库

    机器人基于搜索和基于采样的路径规划算法

    基于搜索的路径规划算法已经较为成熟且得到了广泛应用,常常被用于游戏中人物和移动机器人路径规划
    发表于 10-13 14:23 149次阅读
    <b class='flag-5'>机器人</b>基于搜索和基于采样的<b class='flag-5'>路径</b><b class='flag-5'>规划</b>算法

    利用Arduino让机器人学会识别标识并作出行为

    教你用Arduino让机器人学会识别标识并作出行为。你的人工智能小车从此有了眼睛!材料单:跟踪机器人底盘视觉传感器Arduino Uno电动机驱动板18650 Li-离子电池
    发表于 09-27 07:36

    ai人工智能机器人

    的运营成本、人力成本还在不断提高(如:办公场地的租金、员工的工资、社保公积金、节假日福利等)。 如今的智能电话机器人,每天的电话拨打量可达800-1000通,相比人工提高了3-5倍,大大缩短了名单的筛选
    发表于 09-21 11:09

    《通用人工智能:初心与未来》-试读报告

    人们的生活变的更加美好。最后强调一点人工智能不会取代人类,反而会更美好的服务人类。 如何学习人工智能 人工智能在多个领域都有应用,每个人的精力都是有限的,因此对自己熟悉的领域或者喜欢的领域,去深入的学习
    发表于 09-18 10:02

    机器人属于人工智能

    机器人属于人工智能吗 随着科技的发展,机器人逐渐走进我们的日常生活,成为人类生产生活中的重要工具。机器人既可以完成简单重复的工作,也可完成高难度的操作,其高效率和准确性已经成为企业生产
    的头像 发表于 08-12 17:12 2408次阅读

    人工智能机器人有哪些

    人工智能机器人有哪些 人工智能机器人是一种自动化应用,能够执行特定任务并学习新的任务和环境变化。它们通常具有自主感知和思考的能力,能够进行语音识别和语音合成,以及语言翻译和自然语言生成
    的头像 发表于 08-12 16:48 1807次阅读

    人工智能机器人的区别在哪

    人工智能机器人的区别在哪 人工智能机器人是两个不同的概念。简单地说,人工智能是指计算机系统模拟人类
    的头像 发表于 08-09 17:18 3590次阅读

    人工智能机器人的区别

      人工智能机器人是现代技术领域中互相关联但也有着明显区别的两个概念。简单的说,在传统的理解下,机器人人工智能都是计算机科学技术的一部分,并且都是应用于解决具体问题的工具。但它们又
    发表于 08-06 16:37 1473次阅读

    【科普】干货!带你从0了解移动机器人(三) ——自主导航系统及上位机软件设计与实现

    随着机器人技术的不断发展,我们可以在许多简单重复,危险的岗位上看到机器人的身影,移动机器人凭借其在复杂环境下工作,具有自行感知、自行规划
    发表于 06-28 09:36

    AI 人工智能的未来在哪?

    人工智能、AI智能大模型已经孵化;繁衍过程将突飞猛进,ChatGPT已经上线。 世界首富马斯克认为AI对人类是一种威胁;谷歌前CEO施密特认为AI和机器学习对人类有很大益处。 每个国家对核武器的运用有两面性,
    发表于 06-27 10:48

    【书籍评测活动NO.16】 通用人工智能:初心与未来

    新的担忧,有些认为人工智能将很快取代人类,人类的发展在不远的将来会面临极大挑战(机器人世界末日将会到来)。 《通用人工智能:初心与未来》 主要内容本书尝试给人们一个新的视
    发表于 06-21 14:41

    如何实现拥有强悍功能智能巡检机器人

    新一轮的科技和产业变革的加速演进,5G和人工智能机器人技术深度融合,这让特种机器人的应用场景不断拓宽,在各行各业中发挥着的作用也愈加关键。​编辑切换为居中01智能巡检
    发表于 04-12 15:49

    机器学习和人工智能有什么区别?

    机器学习和人工智能有什么区别?当今唯一可用的软件选项是 ML 系统。在十年左右的时间里,当计算能力和算法开发达到可以显着影响结果的地步时,我们将见证第一个真正的人工智能。是人工智能软件
    发表于 04-12 08:21