利用深度學習來規(guī)劃機器人穿越無障礙路徑

（文章來源：cnBeta）

過去的項目和研究表明，深度學習是訓練機器人做特定事情的有效技術。例如我們已經(jīng)看到OpenAI使用神經(jīng)網(wǎng)絡訓練Dactyl來解魔方，以及一種稱為6-DoF GraspNet的算法，該算法可以幫助機器人拾取任意對象?，F(xiàn)在加州大學伯克利分校的研究人員創(chuàng)建了伯克利自動駕駛地面機器人（BADGR）。

BADGR是使用自我監(jiān)督數(shù)據(jù)訓練的端到端自主機器人。與大多數(shù)傳統(tǒng)的依靠幾何數(shù)據(jù)來規(guī)劃無碰撞路徑的傳統(tǒng)機器人不同，BADGR依靠“經(jīng)驗”來穿越地形。BADGR的核心是Nvidia Jetson TX2，它處理車載攝像頭，六自由度慣性測量單位傳感器，2D LIDAR傳感器和GPS系統(tǒng)。具體來說，BADGR擁有一個人工神經(jīng)網(wǎng)絡，由實時相機傳感器的觀測結果和一系列未來計劃的行動提供反饋。

然后，神經(jīng)網(wǎng)絡會預測到達目標的最佳可能路徑。與將路徑遍歷視為幾何問題的傳統(tǒng)方法相比，此方法具有一個主要優(yōu)勢：傳統(tǒng)技術可以避開路徑中的高草，而BADGR可以在其中導航。此外，這使BADGR在收集更多數(shù)據(jù)時得以改善。研究人員指出：BADGR背后的關鍵見解是，通過直接從現(xiàn)實世界中的經(jīng)驗中自主學習，BADGR可以了解導航能力，隨著收集更多數(shù)據(jù)而不斷改進，并推廣到看不見的環(huán)境。

研究團隊表示BADGR的成功提出了一些問題。主要是，機器人將如何在看不見的甚至是敵對的環(huán)境中安全地收集數(shù)據(jù)？BADGR將如何適應有生命障礙（例如步行的人）的動態(tài)環(huán)境？相關論文已發(fā)表在arXiv上。研究人員還在BADGR的GitHub存儲庫中發(fā)布了其研究成果。
? ? ?