最后一公里的配送可以交給機(jī)器人來(lái)完成嗎？
可以，但機(jī)器人要怎么找到正確的門(mén)還是一個(gè)問(wèn)題。
一般來(lái)說(shuō)，機(jī)器人導(dǎo)航需要我們?yōu)樗崆袄L制一個(gè)區(qū)域地圖，用算法引導(dǎo)機(jī)器人朝向地圖上的特定目標(biāo)或 GPS 坐標(biāo)前進(jìn)。這種方法在探索一個(gè)建筑布局或規(guī)劃障礙賽道時(shí)是有意義的。但在最后一英里的交付環(huán)境中，這種辦法可能變得「很笨」。想象一下，你在商場(chǎng)里用導(dǎo)航的效果是不是就不如開(kāi)口問(wèn)。
麻省理工學(xué)院新聞辦公室的 Jennifer Chu 也表示：「如果我們要提前繪制機(jī)器人送貨區(qū)域內(nèi)的每一個(gè)社區(qū)，包括該社區(qū)內(nèi)每棟房子的配置，以及每棟房子前門(mén)的具體坐標(biāo)。這樣的繪制任務(wù)很難擴(kuò)展到整個(gè)城市，尤其是房屋的外觀經(jīng)常隨著季節(jié)的變化而變化?！?/span>
而在成本高，操作難度大之外，把每戶人家的坐標(biāo)都傳到系統(tǒng)上也會(huì)讓人憂心自己的隱私問(wèn)題。與其用這個(gè)方法，快遞物流企業(yè)估計(jì)更愿意多雇傭幾個(gè)快遞員。
我們可以開(kāi)口問(wèn)，但機(jī)器人沒(méi)法開(kāi)口，只能看。
來(lái)自麻省理工和福特汽車(chē)的一組工程師現(xiàn)在就在訓(xùn)練機(jī)器人不用地圖，通過(guò)線索去「找」門(mén)。
麻省理工學(xué)院機(jī)械工程系的研究生 Michael Everett 就表示，不同區(qū)域的布局是不同的，但也會(huì)有些共同點(diǎn)?！讣词挂粋€(gè)機(jī)器人把包裹送到一個(gè)它從未到過(guò)的地方，也可能會(huì)發(fā)現(xiàn)一些線索，與它在其他地方看到的一樣。」
線索可能是前門(mén)、車(chē)庫(kù)、車(chē)道等「路標(biāo)」。機(jī)器人經(jīng)過(guò)訓(xùn)練后，很可能知道一條車(chē)道常通向一條人行道，而這條人行道一般會(huì)通向家門(mén)口。
在不依賴地圖的情況下，這項(xiàng)技術(shù)可以極大地減少機(jī)器人在識(shí)別目標(biāo)時(shí)探索地形的時(shí)間。你不再需要為機(jī)器人繪制一張高精度的地圖，只需要把它放在一條車(chē)道上，讓它自己去尋找那扇門(mén)。
近年來(lái)，研究人員始終致力于將自然的語(yǔ)義引入機(jī)器人系統(tǒng)之中。
訓(xùn)練機(jī)器人通過(guò)語(yǔ)義標(biāo)簽識(shí)別物體，它就可以把一扇門(mén)當(dāng)作一扇門(mén)，而不是簡(jiǎn)單地把它當(dāng)作一個(gè)矩形障礙物。
這個(gè)技術(shù)的出色之處在于，我們成功地讓機(jī)器人感知了周?chē)氖挛铩?/span>
語(yǔ)義從現(xiàn)有的視覺(jué)數(shù)據(jù)中提取了特征的算法，以上下文的形式用語(yǔ)義線索生成了同場(chǎng)景的新地圖。這種算法稱為語(yǔ)義 SLAM（同步定位和映射）。
研究人員把這個(gè)算法應(yīng)用到衛(wèi)星圖像上，就可以把這張包含了一個(gè)城市和三個(gè)郊區(qū)社區(qū) 77 戶人家的地圖依據(jù)圖中較亮的區(qū)域，繪制出最有效的路徑。對(duì)每一幅衛(wèi)星圖像，研究員 Everett 都會(huì)給典型的前院環(huán)境特征賦予語(yǔ)義標(biāo)簽和顏色，前門(mén)是灰色的，車(chē)道是藍(lán)色的，樹(shù)籬是綠色的。
在這個(gè)訓(xùn)練過(guò)程中，研究團(tuán)隊(duì)給每張圖像都進(jìn)行了遮罩處理，模擬機(jī)器人穿過(guò)院子時(shí)可能會(huì)出現(xiàn)的局部視角。
傳統(tǒng)算法不考慮周?chē)Z(yǔ)義，探索了很多不大可能接近目標(biāo)的區(qū)域。而使用新算法，機(jī)器人找到前門(mén)的速度比傳統(tǒng)的導(dǎo)航算法快了 189%
未來(lái)，機(jī)器人或許可以自己做出決定，確定通往目的地的最佳路徑。
