人類內部室內機器人導航的框架

為了完成他們設計要完成的任務，移動機器人應該能夠有效地導航現實環境，避免人類或周圍環境出現障礙。雖然靜態對象通常很容易被機器人檢測和規避，但是避免人類可能更具挑戰性，因為這需要預測其未來的運動并相應地進行計劃。

加州大學伯克利分校的研究人員最近開發了一種新的框架，該框架可以增強室內環境(例如辦公室，房屋或博物館)中的人類之間的機器人導航。他們的模型在arXiv上預先發表的一篇論文中提出，并在稱為HumANav的新編輯的真實感圖像數據集上進行了訓練。

研究人員在論文中寫道：“我們提出了一種圍繞人類導航的新穎框架，該框架將基于學習的感知與基于模型的最佳控制相結合。”

這些研究人員開發的新框架被稱為LB-WayPtNav-DH，它包含三個關鍵組件：感知，計劃和控制模塊。感知模塊基于卷積神經網絡(CNN)，該神經網絡經過訓練可使用監督學習將機器人的視覺輸入映射到航路點(即下一個所需狀態)。

然后，由CNN映射的航點將輸入到框架的計劃和控制模塊。這兩個模塊結合在一起，可確保機器人安全地移動到其目標位置，避免其周圍出現任何障礙物和人員。