通過實時運動規劃實現更快更強大的機器人

盡管數十年來我們都希望靈巧的機器人能夠在家中和其他地方執行復雜的任務，但機器人的使用仍然受到限制，主要是由于運動規劃性能不足。運動規劃是確定如何將機器人或自動駕駛車輛從其當前配置(或姿勢)移動到所需目標配置的過程：例如，如何在避開障礙物的同時進入冰箱以獲取汽水罐，例如冰箱里的其他物品和冰箱本身。直到最近，這一關鍵流程已在運行在高性能商用硬件上的軟件中實施。問題是該軟件需要幾秒鐘，從而無法在動態環境或人類環境中部署機器人。在實時機器人，我們開發了專用硬件，可在一毫秒內解決運動規劃問題，大大擴展了機器人即將完成的任務范圍。

通過傳統的運動規劃，可以在非結構化，動態環境中使用的機器人非常簡單，只有幾個自由度。這些機器人包括自動地板清潔器(例如，Roomba)和帶有平板電腦的圓柱形機器人，可以輔助遠程呈現等活動(例如，Kubi，PadBot等)。機器人現在也用于靜態環境，例如汽車裝配線，在那里它們可以被編程為在始終處于相同位置和方向的物體上重復執行相同的操作。這些工廠的設計費用很高，因此機器人可以簡單地重復預先編程的運動。機器人的隱喻眼睛是封閉的，它對高度結構化的環境中的任何意外變化都沒有反應; 這些機器人經常被關在籠子里，以保護人們免受傷害。

乍一看，運動規劃似乎應該很簡單。畢竟，它不需要一個人五秒鐘來弄清楚如何進入冰箱提取一罐蘇打水。計算機通常使用稱為路線圖的圖形數據結構來執行運動規劃，其中每個頂點對應于機械系統的特定配置，并且兩個頂點之間的邊緣對應于那些配置之間的運動。運動規劃是通過路線圖從當前配置到目標配置查找路徑的過程。計算機運動規劃(但不適用于人)的挑戰性方面是碰撞檢測：確定路線圖中的哪些邊緣(即運動)不能使用，因為它們會導致碰撞。

當機器人從一種配置移動到另一種配置時，它會掃描3D空間中的卷。碰撞檢測是確定掃掠體積是否與任何障礙物(或機器人本身)發生碰撞的過程。通常，掃掠體積和障礙物的表面用多邊形的網格表示，并且碰撞檢測包括用于確定這些多邊形是否相交的計算。這個過程在概念上并不困難，因為它是簡單的計算幾何; 挑戰是計算，因為它有很多。確定兩個多邊形是否相交的每個測試涉及交叉積，點積，除法和其他計算，并且可以執行數百萬個多邊形相交測試。

與許多計算挑戰一樣，可以通過更多硬件資源和軟件優化來加快速度。現有技術已經使用GPU的大量計算資源和復雜的軟件，其將計算精確地映射到GPU以便最大化性能。然而，即使這種方法(消耗大量功率)也不能計算超過每秒的幾個計劃，并且性能很脆弱：任務或場景的變化通常需要重新調整軟件。一些工業解決方案通過執行極其粗粒度的碰撞檢測提供高性能但功能有限(例如，

為了實現通用的實時運動規劃，我們開發了可實現亞毫秒運動計劃的專用處理器。這些處理器通過將計算幾何任務轉換為更快的查找任務來克服運動規劃的性能瓶頸。在運行時間之前很長時間(例如，在設計時)，我們可以預先計算數據，以記錄配置之間的大量運動，這些運動與這些運動碰撞的部分空間。此離線預計算(基于模擬運動以確定其掃描量)被加載到處理器上，以便可以在運行時訪問它。在運行時，處理器接收感知輸入，描述機器人環境的哪個部分被障礙物占據，

我們的原始處理器是作為杜克大學研究項目的一部分而開發的，它證明了亞毫秒碰撞檢測是可能的。這個設計是令人興奮的第一步，但在幾個重要方面受到限制。最值得注意的是，它僅限于小型路線圖(大約2,000到3,000個邊緣)，并且需要更大的路線圖以獲得更精確的靈活性以及處理更復雜的機器人任務。拾取和放置任務的路線圖可能需要大約100,000個邊緣，而自動駕駛汽車可能受益于一百萬個邊緣。另一個關鍵限制是基于此設計的每個處理器都針對單個機器人而無法重新定位。

為了采用這項技術的下一步并將其推向市場，我們創建了一家名為Realtime Robotics的公司總部位于馬薩諸塞州波士頓的Realtime公司開發并發布了一種新的處理器RapidPlan，它可以重新定位，可以隨時更新，并且具有數千萬個邊緣的容量。RapidPlan繼承了Duke原始處理器的許多設計原則，但它具有可重新配置且更具可擴展性的硬件設計，用于計算路線圖邊緣的運動是否與障礙物碰撞。可重新定位是一個關鍵特征; 沒有它，每個機器人都需要自己的專用設計。除了具有極大路線圖的能力外，RapidPlan還可以將該容量劃分為幾個較小的路線圖，并在運行時間間隔切換，延遲可忽略不計。其他路線圖也可以在運行時從處理器外的內存中傳輸。在運行時更改路線圖的功能允許用戶，例如，具有對應于末端執行器的不同狀態或不同任務類型的不同路線圖。可以有一個路線圖，說明什么時候沒有抓住，一個小球形物體(或適合該形狀的東西)被抓住的路線圖，一個采摘和分揀的路線圖，另一個用于采摘和包裝，等等。

通過RapidPlan提供的實時運動規劃，使用機器人的機會要大得多。具有快速反應時間的機器人可以在人類環境中安全地操作。可以快速規劃的機器人可以部署在相對非結構化的工廠中，并調整到不精確的物體位置和方向，從而降低了使用機器人的主要障礙。我們看到物流，制造業，醫療保健，農業和家庭助理等行業的巨大潛力。

高速運動規劃對自動駕駛汽車也至關重要。在某些方面，AV的運動規劃問題更簡單，因為車輛的配置具有比多關節機器人臂更小的尺寸。然而，車輛的運動規劃必須考慮車輛在與其他不可預測的運營商(包括自行車，行人，其他車輛等)的環境中高速移動。但是，如果運動計劃足夠快，我們可能會冒險 - 意識到時尚。我們可以概率地處理每個代理人的行為和從代理人的聯合分布中抽取的大量樣本中的每一個的運動計劃。例如，在一個樣本中，左側的汽車繼續直行，前方的汽車減速，路邊的行人仍然在路邊。根據每個樣本的計劃，然后我們可以選擇在我們的風險承受能力范圍內具有碰撞概率的最佳計劃。請注意，除了始終停放車輛外，沒有任何運動計劃存在零風險; 如果確定另一個代理引起碰撞(例如，通過故意轉向我們的車輛)，則對于自動駕駛車輛或人類駕駛員來說極難避免。

我們對實時運動規劃機器人的出現所帶來的可能性感到興奮，這些機器人在現實世界中運作并與之交互，而不是小心翼翼地遠離它。