麻省理工学院开发了一种自动送货机器人找到前门的方法

 
麻省理工学院的研究人员开发了一种新的机器人导航方法，这对于从事自动最后一英里交付工作的许多公司可能非常有用。简而言之，该团队已经弄清楚了如何在不预先提供特定地图的情况下，自动算出机器人前门的位置。
如今，大多数最后一英里的自动送货机器人，包括由Starship率先推出的“轮式冷却器”式机器人，此后已被包括Postmates在内的许多其他公司采用，基本上满足了路边的客户的需求。映射并不是让未来的交付机器人一路走到尽头的唯一障碍，就像今天进行交付的人一样。
《麻省理工新闻》指出，以真正的前门交付所需的特异性水平对整个社区进行映射将非常困难，尤其是在国家(更不用说全球)范围内。由于这似乎不太可能发生，尤其是对于所有希望建立自主交付网络以单独采购的公司而言，他们都不大可能开始设计一种导航方法，该方法可以让机器人即时处理周围环境的线索以找出前门的位置。 。
这是您可能听说过的称为SLAM或同时进行本地化和映射的变体。麻省理工学院团队在此方法上的创新之处在于，它代替了语义图，其中机器人识别了周围环境中的物体并为其添加了标签，他们设计了一个“成本计算”图，该图使用了来自训练图的数据到彩色图像。将周围环境编码为热图，在热图中可以确定哪些零件更可能靠近“前门”而哪些零件不远，并根据该信息立即绘制最有效的通往门的路径。
这是我们遇到从未有过的新环境时所做的工作的简化得多的版本–您可能只是看了一下就知道从未见过的房屋的前门，而您之所以知道这一点，主要是因为您将其与过去的房屋记忆以及这些房屋的布置方式进行了比较，即使您这样做时甚至都没有考虑它。
交付只是这种智能本地环境映射的一个用例，但它是一个很好的案例，可能会在不久的将来看到实际的商业用途。