盖世汽车讯 如果机器人正在穿越有许多可能路径的复杂环境，那么如何选择最佳路线很快就会成为棘手的问题。据外媒报道，麻省理工学院（MIT）的研究人员开发了一种方法，可以帮助机器人有效地推断到达目的地的最佳路线。他们创建了一种用于构建不确定环境路线图的算法，可以在路线图质量和计算效率做出权衡，使机器人快速找到可以穿越的路线，从而充分缩短行程时间。

（图片来源：麻省理工学院）

该算法从那些肯定是安全的路径开始，并自动找到机器人可以采用的捷径，以减少总体行程时间。在模拟实验中，研究人员发现，与其他优先考虑其中一个因素的基线相比，他们的算法可以在规划性能和效率之间实现更好的平衡。

该算法可以在勘探等领域得到应用，也许可以帮助机器人进行规划，找到穿过不平坦的火星表面到达遥远陨石坑边缘的最佳方式。它还可以帮助搜救无人机找到最快路线，以解救被困在偏远山坡上的人。MIT电气工程和计算机科学（EECS）研究生Yasmin Veys表示：“你要确切地知道自己可以穿越哪里、不能穿越哪里，这是不现实的，尤其是在宽广的户外环境中。但只要有一点点关于环境的信息，我们就可以利用它来构建高质量的路线图。”

生成图形

为了探讨移动规划，研究人员经常把机器人的环境想象成一个图形，其中一系列“边”或线段代表了起点和目标之间的可能路径。研究人员使用名为加拿大旅行者问题（CTP）的图表示方法，这个名字意为当前面的道路被雪堵塞时，加拿大驾车者必须掉头返回并寻找新的路线。在CTP中，图中的每条边都拥有与之相关的权重，它表示需要花费多长时间来穿过该路径，以及它有多大的穿越可能。CTP的目标是充分减少到达目的地的行程时间。

研究人员重点关注如何自动生成有效表示不确定环境的CTP图。麻省理工学院航空航天系研究生Martina Stadler Kurtz表示：“如果在一个环境中导航，我们可能了解一些信息，因此不是在盲目前进。这不是详细的导航计划，但让我们对正在处理的事情有了一定的认识。这项工作的关键是尝试在CTP图中记录这一点。”

这种算法假设部分信息（可能是卫星图像）可以划分为特定的区域（可能一个区域是湖泊，而另一个区域是开阔的田野等）。每个区域都有机器人可以穿越的概率。例如，非水上机器人更有可能穿过田野而不是穿过湖泊，因此出现在田野中的可能性会更高。该算法利用这些信息来构建整个开放空间的初始图，绘制出一条行进缓慢但肯定可以穿过去的保守路径。然后，它使用该团队开发的指标来确定将哪些边或穿过不确定区域的捷径添加到图表中，以减少总体行程时间。

选择捷径

该算法只选择有可能穿过去的捷径，以防止规划过程变得过于复杂。Veys表示：“移动规划的质量取决于图表质量。如果图中没有好的路径，那么算法就无法提供优质规划。”

研究人员在100多个模拟实验中对该算法进行了测试。他们发现，随着环境越来越复杂，该算法的性能始终优于不考虑概率的基线方法。他们还使用MIT的空中校园地图对其进行了测试，以证明它在现实城市环境中是有效的。

未来，他们希望增强该算法，使其能够在超过两个维度的情况下工作，以用于复杂的机器人操作问题。他们还有意关注CTP图与这些图所代表的真实环境之间的不匹配现象。

佐治亚理工学院交互计算学院教授人兼KUKA机器技术主席Seth Hutchinson（未参与此项研究）表示：“在现实世界中运行的机器人受到不确定性的困扰，无论是可用传感器数据、关于环境的先验知识，还是其他智能体的行为方式。然而，处理这些不确定性会产生很高的计算成本。这项工作提出一种巧妙的近似方案，可用于高效地计算不确定性容忍规划，从而解决了这些问题。”