自动机器人被设计成可以安全地与人类保持同步

就像司机遵守道路规则一样，大多数行人在穿过走廊或拥挤的通道时也会遵守一定的社会规则:靠右行驶，靠左通行，保持体面的泊位，并随时准备迂回或改变路线，以避开迎面障碍物，同时保持稳定的步行速度。

麻省理工学院的工程师们设计了一款具有“社会意识导航”的自主机器人，它可以在遵守行人行为准则的同时，与行人保持同步。

在麻省理工学院的斯塔塔中心进行的驾驶测试中，这个机器人就像一个有轮子的膝盖高的售货亭，成功地避免了碰撞，同时跟上了平均行人流量。“社会意识导航是移动机器人在需要与行人频繁互动的环境中运行的核心能力，”领导这项工作的前麻省理工学院研究生、该研究的主要作者Yu Fan“Steven”Chen说。“例如，小型机器人可以在人行道上操作包裹和送餐。同样，个人移动设备可以在大型、拥挤的空间中运送人们，比如商场、机场和医院。”

Chen的合著者是研究生Michael Everett，前博士后Miao Liu，以及麻省理工学院Richard Cockburn Maclaurin航空航天教授Jonathan How。

社会驱动

为了让机器人在繁忙的交通环境中自主前进，它必须解决四个主要挑战:定位(知道自己在世界上的位置)、感知(识别周围环境)、运动规划(确定到达给定目的地的最佳路径)和控制(实际执行所需路径)。

Chen和他的同事使用标准的方法来解决定位和感知的问题。对于后者，他们为机器人配备了现成的传感器，如网络摄像头、深度传感器和高分辨率激光雷达传感器。对于定位问题，他们使用开源算法来映射机器人的环境并确定其位置。为了控制机器人，他们采用了用于驾驶自动地面车辆的标准方法。

埃弗雷特说:“我们认为我们需要在运动规划方面进行创新。“一旦你知道自己在世界上的位置，知道如何遵循轨迹，你应该遵循哪些轨迹?”

这是一个棘手的问题，尤其是在行人众多的环境中，个人路径往往很难预测。作为一种解决方案，机器人专家有时会采取一种基于轨迹的方法，在这种方法中，他们对机器人进行编程，以计算出每个人都想要的轨迹的最佳路径。这些轨迹必须从传感器数据中推断出来，因为人们不会明确地告诉机器人他们要去哪里。

“但这需要很长时间来计算。你的机器人只是停在那里，想着下一步该做什么，而与此同时，在机器人决定‘我可能应该向右走’之前，人已经远远超过了它，”埃弗雷特说。“所以这种方法不太现实，特别是如果你想开得更快的话。”

其他人则采用了更快的“基于反应性”的方法，在这种方法中，机器人被编程为一个简单的模型，使用几何或物理，快速计算出避免碰撞的路径。

埃弗雷特说，基于反应的方法的问题在于人类本性的不可预测性——人们很少坚持走一条直线，几何路径，而是迂回徘徊，转向去问候朋友或去喝咖啡。在这样一个不可预测的环境中，这样的机器人往往会与人相撞，或者看起来像被推来推去，因为它们过度地避开人。

埃弗雷特说:“在现实生活中，机器人可能会过于谨慎或咄咄逼人。”“人们发现它们不符合社会公认的规则，比如给人们足够的空间或以可接受的速度行驶，它们带来的阻碍比帮助更多。”

培训的日子

该团队找到了一种绕过这些限制的方法，使机器人能够适应不可预测的行人行为，同时不断地随着人流移动，并遵循典型的行人行为社会准则。

他们使用了强化学习(一种机器学习方法)，在这种方法中，他们通过计算机模拟来训练机器人走特定的路径，给定环境中其他物体的速度和轨迹。该团队还将社会规范纳入了离线训练阶段，在模拟中，他们鼓励机器人从右侧通过，当机器人从左侧通过时，他们会惩罚机器人。

埃弗雷特说:“我们希望它能在人群中自然传播，而不是侵入性的。”“我们希望它能像其他公司一样遵守同样的规则。”

强化学习的优势在于，研究人员可以离线执行这些需要大量时间和计算能力的训练场景。一旦机器人接受了模拟训练，研究人员就可以对其进行编程，使其在机器人识别现实世界中类似的场景时，执行模拟中确定的最佳路径。

研究人员使机器人能够每十分之一秒评估环境并调整路径。通过这种方式，机器人可以继续以1.2米/秒的典型行走速度在走廊上滚动，而无需停下来重新编程路线。

埃弗雷特说:“我们并没有计划一条通往目标的完整道路——这样做已经没有意义了，尤其是如果你假设世界正在发生变化的话。”“我们只是看着我们所看到的，选择一个速度，这样做十分之一秒，然后再看看世界，选择另一个速度，然后继续。这样，我们认为我们的机器人看起来更自然，并能预测人们在做什么。”

控制人群

埃弗雷特和他的同事们在麻省理工学院Stata大楼繁忙蜿蜒的大厅里对机器人进行了测试，在那里机器人一次可以自主驾驶20分钟。它平稳地与人流一起行驶，一般保持在走廊的右侧，偶尔从左侧超车，避免发生任何碰撞。

埃弗雷特说:“我们想把它带到人们做日常事情的地方，去上课，买食物，我们证明了我们对这一切都很有信心。”“有一次甚至有一个旅游团，它完全避开了他们。”

埃弗雷特说，展望未来，他计划探索机器人如何在行人环境中处理人群。

埃弗雷特说:“群体与个体有着不同的动态，如果你看到五个人走在一起，你可能需要了解一些完全不同的东西。”“可能有这样的社会规则，‘不要在人群中穿行，不要把人们分开，把他们当作一个群体。’这是我们未来正在考虑的事情。”

麻省理工学院

www.mit.edu

-由克里斯·瓦夫拉编辑，制作编辑，控制工程， CFE传媒，cvavra@cfemedia.com．查看更多控制工程机器人的故事．

您是否具有本内容中提到的主题的经验和专业知识?你应该考虑为我们的CFE媒体编辑团队做出贡献，并获得你和你的公司应得的认可。点击在这里开始这个过程。