Skoltech 的研究人員公布了一種方法，可以幫助機器人在擁擠區域快速、有效地導航障礙物，並且不會出現不必要的「不自然」動作。該開發項目使用機器學習技術，旨在用於消毒機器人、庫存和停車服務員。
該研究發表在 IEEE 機器人與自動化快報上。二維導航機器人是從 A 點到 B 點而不碰到障礙物的經典任務。自 1980 年代後期以來，已經找到了許多解決方案 - 滑翔機，但也有缺點：它們建立了很長時間的軌跡，有時根本無法做到，或者軌跡不完美，例如太長或有角度 -這被稱為「像機器人一樣」。此外，一些現有的滑翔機僅適用於具有圓形身體和全向輪的機器人，即能夠從一個地方向任何方向移動。
該研究的第一作者、Skoltech 博士生 Mikhail Kurenkov 評論了這項工作的結果：「我們創建了一個與非圓形和非全向機器人一起工作的規劃器，並且優於基於高斯過程的標準運動規劃解決方案（ GPMP）或隨機樹快速探索算法。我們方法的核心是神經場的概念，到目前為止，它很少用於運動規劃，至少在平面上的情況下，也就是說，就像我們在工作中所做的那樣。
神經元場就像物理學中的場，只是在這種情況下，在空間中每個點設置的值是，例如，到最近的障礙物的距離或該點被障礙物的「占有率」。第一個示例對應於圖形設計和動畫中的一些應用，第二個示例對應於 Skoltech 的科學家提出的一種新的機器人規劃器。不久前，在神經領域領域，開始使用神經網絡對領域進行參數化，新的規劃器也採用了這種新方法。
為了測試規劃器的性能，科學家們將其與基於 GPMP 和快速樹的解決方案進行了比較。事實證明，基於神經場的方法可以構建更短、更平滑的軌跡，同時減少尷尬的轉彎。
為了進行測試，我們使用了一個公開可用的數據集，用於多種場景，包括走廊、停車場和城市街區。這套裝置讓您了解滑翔機可以用於什麼樣的機器人 - 可能是在購物中心或停車場服務員工作的消毒劑和庫存。