如果像亞馬遜和谷歌這樣的公司有自己的方式,我們很快就會有機器人從天而降的空氣供應。但是,我們的軟件需要在現實世界中移動和交付貨物嗎?

十分赛车好平台麻省理工學院計算機科學與人工智能實驗室(CSAIL)的研究人員多年來一直在研究這個問題,他們研究的場景靈感來自工廠車間和無人機交付等領域。

十分赛车好平台在最近的機器人科學與系統(RSS)會議上,CSAIL團隊展示了一個由三個機器人組成的新系統,這些機器人可以一起工作,以便在不可預測的環境中快速,準確地(或許最重要的)提供物品。該團隊表示,其模型可以擴展到各種其他應用,包括醫院,災難情況,甚至餐館和酒吧。

為了展示他們的方法,CSAIL研究人員將他們的實驗室轉變為一個微型“酒吧”,其中包括一個PR2機器人“調酒師”和兩個四輪Turtlebot機器人,這些機器人將進入不同的辦公室并向人類參與者詢問飲料訂單。然后,Turtlebots推斷出不同房間需要哪些訂單,以及其他機器人何時可以提供飲料,以便最有效地搜索新訂單并將物品運送到空間。

該團隊的技術反映了最先進的規劃算法,這些算法允許機器人組執行任務,而不僅僅是對要解決的一般問題的高級描述。

在RSS文件,它被評為優秀論文入圍獎,是由美國杜克大學教授,前CSAIL博士后喬治Konidaris,麻省理工學院研究生沙龍安德斯和加布里埃爾·克魯茲,麻省理工學院的教授共同撰寫喬納森如何和Leslie Kaelbling和主要作者克里斯·阿馬托,曾任CSAIL博士后,現任新罕布什爾大學教授。

人類的一個確定性:不確定性

讓機器人一起工作的一大挑戰是人類世界充滿了如此多的不確定性。

更具體地說,機器人處理與傳感器,結果和通信有關的三種不確定性。

“每個機器人的傳感器都得到關于自身及其周圍事物的位置和狀態的不完美信息,”阿馬托說。“至于結果,機器人可能會在試圖撿起物品時丟棄物品,或者花費的時間比預期的要長。而且,最重要的是,機器人通常無法通過通信噪音或因為它們超出范圍而彼此通信。“

這些不確定性反映在團隊的交付任務中:除此之外,供應機器人一次只能為一個服務員機器人服務,機器人除非彼此靠近,否則無法彼此通信。諸如此類的溝通困難是救災或戰場情景中的特殊風險。

“這些限制意味著機器人不知道其他機器人正在做什么或其他訂單是什么,”安德斯說。“它迫使我們開發更復雜的規劃算法,讓機器人能夠對其位置,狀態和行為進行更高層次的推理。”

十分赛车好平台研究人員最終能夠開發出第一種規劃方法,以展示針對所有三種不確定性的優化解決方案。

他們的關鍵見解是對機器人進行編程,以便像人類一樣查看任務。作為人類,我們不必考慮我們采取的每一個腳步; 通過經驗,這種行為成為第二天性。考慮到這一點,該團隊對機器人進行編程,以執行一系列“宏觀行動”,每個行動都包含多個步驟。

例如,當服務員機器人從房間移動到酒吧時,必須為幾種可能的情況做好準備:調酒師可能正在為另一個機器人服務; 它可能沒有準備好服務; 或者機器人根本無法觀察到它。

“你希望能夠告訴一個機器人去第一個房間,一個人拿到飲料而不必在整個過程中完成每一個動作,”安德斯說。“這種方法在這種靈活性方面有所折疊。”

該團隊的宏觀行動方法,稱為“MacDec-POMDPs”,建立在先前的計劃模型之上,這些模型被稱為“分散的部分可觀察馬爾可夫決策過程”或Dec-POMDP。

“這些過程傳統上過于復雜,無法擴展到現實世界,”利物浦大學計算機科學教授Karl Tuyls說。“麻省理工學院團隊的方法可以在更高的層次上規劃行動,這使他們能夠將其應用到實際的多機器人設置中。”

十分赛车好平台研究結果表明,這種方法很快就可以應用于更大,更復雜的領域。Amato和他的合作者目前正在林肯實驗室測試更大的模擬搜索和救援問題中的規劃算法,以及國際空間站的成像和損傷評估。

十分赛车好平台“幾乎所有現實問題都存在某種形式的不確定性,”阿馬托說。“因此,這些規劃方法有很多領域可以提供幫助。”