机器人移动的一小步，是科技变革的一大步

原标题：机器人移动的一小步，是科技变革的一大步

有想过吗

为什么不用人工干预

扫地机器人可以清洁到各个角落

博物馆内的机器人在室内穿梭自如

自动驾驶汽车在园区内无障碍行驶

……

这一切都离不开 “动”——包括精准定位、快速建图、路径规划、自动避障等在内的机器人的运动智能。

自从有了人工智能概念之后，人类一直想让计算机拥有“听、说、看、动”的多种能力，从而让机器变得更强大。在前几期，我们介绍了“看的能力”——视觉识别系统《AI应用 | 从模仿到超越,视觉智能下一步会怎样进化？》、“听的能力”——语音识别系统《AI应用 | 语音识别，让机器听懂这个世界》，这一期介绍“动的能力”——导航系统，看看它是如何应用到行业之中的。

不断学习人类的导航系统

在“动”方面，机器人再次借鉴了人类的能力。比如人能从位置A走到位置B，真的靠腿走的？

答案是否定的。因为“走”这个动作只是行为，走过去的最核心问题是“怎么走？”

这就涉及到：你在哪？目的地是哪？有什么路线可以选择？

人类是怎么解决这些问题的？计算机又是如何解决这个问题的？不得不说，在人工智能这条道路上，计算机一直是先模仿再超越人类。大脑中存在三种“导航细胞”：

• “位置细胞(Place cells)” 能绘制所处地点的地图，当经过某地时，它们能指出所在位置。
• “头部方向细胞(head direction cells )”就像一个指南针，告诉我们该朝哪个方向前进。
• “网格细胞(grid cells)”则通过一个类似航海中使用的经纬仪告诉我们已经行进的距离。

三种“导航细胞”的合作能准确带我们到达目的地，这也是计算机“能动”的原理之一。

机器人导航四步走

对于计算机尤其是机器人而言，移动的原理跟人类相似。移动之前，也是自问三个问题：“我在哪里？”、“我要去哪？”、“我怎么到达那里？”

在逻辑上想明白了，就剩下技术实现了。

宾夕法尼亚大学的Vijay Kumar教授曾讲过，任何系统的导航，都由四部分组成：

• 状态估计（State Estimation）：实现机器人的定位和感知。
• 建图（Mapping）：建立所在环境的地图（如果事先没有给地图的话）。
• 规划（Planning）：制定行走的路线。
• 控制（Control）：控制机器人按照导航走。

从当前的发展情况看，机器人在特定场景的移动已经与人类相似。就以机器人移动最复杂的应用场景——自动驾驶来说，业内也在不断突破，而在一些固定场景下的银行、酒店等服务型机器人，导航和移动也逐渐成熟了。

其实，实现导航的每一部分都有很多方法和技术。常用的技术是SLAM（Simultaneous Localization And Mapping，同步建图与定位），像百度机器人导航和视觉解决方案用的就是该技术。

路径规划考虑是实现

有了定位和地图，可以开始导航了。就像手机导航一样，我们需要知道起点和终点，然后找到一条路。

关键就在“路”的选择上，需要考虑很多因素。

举个例子，人在北京，打算自驾去拉萨。怎么走？两点之间直线最短。但是不能这么走，因为直线上可能有河、山、峡谷，汽车开不过去。所以路径规划既要保证路程最短，也必须做到行得通。

机器人的移动也同理，需要考虑全局规划（路径短）和局部规划（绕障碍），得到最佳的路径。最后控制机器人按照既定路线到达目的地。

“动起来”让机器人更有趣

通过这种介绍，基本了解现在机器人“能动”的原理了，这也是机器人的核心能力之一。这与 “听、说、看”等其他综合能力和技术在一起，才能构成完整的“机器人”的能力。

而百度云也有智能服务机器人开放平台，聚焦在核心技术赋能，帮助各行各业的机器人开发者升级技术、降低成本，开放软硬一体化的开发者平台，进而降低整个机器人产业的技术门槛，提升服务体验。

当前看到的，类似扫地机器人、大堂答疑机器人这种能移动的服务型机器人正进入各行各业，在酒店、餐饮、政务、零售、银行、机场等场景下发挥着作用，这也是人工智能在行业中应用之一。

关注百度云微信公众号，了解更多。

生成海报

免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。