联系我们
未来交给机器人（二）——安川机器人
“在探索之前，放下一个机器人并说‘开始’ ，它会四处移动并*终到达那里，但速度非常慢，”他说。
成本计算很重要
研究人员希望通过语义化、语境化的世界来加速机器人的路径规划。他们开发了一种新的“备用成本估计器”，它将通过预先存在的SLAM算法创建的语义图转换为第二个图，表示任何给定位置接近目标的可能性。
“它是由图像图像转换，您可以在其中拍猫的照片，使它看起来像狗的启发，”埃弗里特说。 “在这里发生同类型的想法，你把一个世界地图的，看起来像图像，然后将其转换为另一种图像看起来长得像世界地图，但现在根据地图上的接近程度的不同点其颜色可以达到的终目的。“
这张成本地图是用颜色表示远离目标的较暗区域，以及接近目标的较亮区域。 例如，语义地图上的黄色人行道可以通过成本核算算法转换为新地图上的一个较暗的区域，而车道则会随着你走近前门而逐渐变亮，使该区域成为新地图上亮的区域。
研究人员对Bing地图上的卫星图像进行了新算法的训练，该地图包含来自一个城市和三个郊区的77栋房屋。系统将语义映射转换为可用的成本映射，并根据*轻的区域映射有效的路径，直到终目标。对于每个卫星图像，埃弗雷特在一个典型的前院中为上下文特征分配语义标签和颜色，例如，前门是灰色的，车道是蓝色的，树篱是绿色的。
在训练过程中，团队还通过庭院应用于每个图像的掩模来模仿相机机器人通行证可以具有局部视图。
“我们方法的部分技巧是提供系统的许多部分图像，” how 解释说。 所以我们必须弄清楚，这些东西是如何相互联系的。 这就是我们工作稳定的部分原因”。
然后，研究人员在训练数据集外的全新房屋的图像模拟中测试了他们的方法，首先使用预先存在的SLAM算法生成惯用语义映射，然后使用其新的成本估计器生成第二个映射和目标路径（在这种情况下，用于前门）。
该组的新的成本管理技术发现前门189％，比传统的导航算法，不考虑上下文语义或更快，但花了太多的步骤，以探索该地区不可能实现其目标。
详情点击——安川机器人
