一圖引導(dǎo)機器人，精準(zhǔn)找到前行方向

html

盡管機器人在過去幾十年中的能力顯著提高，但它們并不總是能夠在未知、動態(tài)和復(fù)雜的環(huán)境中安全可靠地移動。為了在周圍環(huán)境中移動，機器人依賴于處理傳感器或攝像頭收集的數(shù)據(jù)并相應(yīng)規(guī)劃未來行動的算法。

斯科爾科沃科技學(xué)院（Skoltech）的研究人員開發(fā)了SwarmDiffusion，這是一種新的輕量級生成AI模型，可以根據(jù)單張圖像預(yù)測機器人應(yīng)該去哪里以及如何移動。SwarmDiffusion在一篇預(yù)發(fā)布于arXiv服務(wù)器的論文中介紹，依賴于擴散模型，這是一種逐步給輸入數(shù)據(jù)添加噪聲，然后再去掉噪聲以獲得想要的輸出的技術(shù)。

論文的主要作者Dzmitry Tsetserukou對Tech Xplore表示：“導(dǎo)航不僅僅是‘看’，機器人還需要決定如何移動，而這正是當(dāng)前系統(tǒng)仍顯得過時的地方?！?/p>

他補充道：“傳統(tǒng)上，機器人會構(gòu)建詳細(xì)的地圖，標(biāo)記出哪些區(qū)域看起來安全，然后運行一個復(fù)雜的算法來尋找路徑。這是可行的，但速度慢，并沒有充分利用今天在AI方面的進展。這激勵了我們的研究。”

Tsetserukou及其同事最近工作的關(guān)鍵目標(biāo)是開發(fā)一種可學(xué)習(xí)、可推廣的‘智能’路徑規(guī)劃方法。SwarmDiffusion可以通過處理單張圖像快速確定機器人應(yīng)該去哪里。這種方法將消除額外的映射步驟或復(fù)雜的路徑規(guī)劃技術(shù)的需要。

Tsetserukou解釋道：“我們面臨的另一個挑戰(zhàn)是每種機器人平臺的移動方式都不同。”

“無人機、四足行走機器人和輪式機器人各自有其獨特的運動風(fēng)格。目前大多數(shù)方法需要為每種機器人收集特殊數(shù)據(jù)，這既耗時又難以擴展。我們的目標(biāo)是設(shè)計一個系統(tǒng)，只需少量特定于機器人的軌跡進行預(yù)訓(xùn)練，仍然能夠從單張圖像中推斷出如何安全移動?！?/p>

SwarmDiffusion：一種推理的路徑規(guī)劃器

研究人員引入的新模型部分受到人類依靠常識在周圍環(huán)境中導(dǎo)航的啟發(fā)。團隊希望讓機器人能夠快速且“直觀”地識別周圍的危險區(qū)域、障礙物和其他挑戰(zhàn)，并相應(yīng)地規(guī)劃其行動。

“路徑規(guī)劃是自主機器人面臨的關(guān)鍵任務(wù)之一，”Tsetserukou說?！皺C器人不僅要規(guī)劃從A點到B點的路徑，還需要避免障礙物。然而，大多數(shù)路徑規(guī)劃算法是基于經(jīng)典方法構(gòu)建的，如A*、RRT、APF、CHOMP等，它們沒有任何泛化能力來處理未知環(huán)境，并且在某些情況下需要占用數(shù)TB的內(nèi)存?！?/p>

SwarmDiffusion可以從單張2D圖像中識別出機器人可以安全移動的區(qū)域和風(fēng)險區(qū)域。該模型依賴于視覺-語言模型（VLM）所做的預(yù)測，以識別開放的地面（即，墻壁較少的大空間）、障礙物、狹窄的縫隙和其他可能阻礙安全導(dǎo)航的危險。

SwarmDiffusion并不創(chuàng)建周圍環(huán)境的詳細(xì)地圖，而是簡單地描繪出機器人應(yīng)該遵循的路徑，以避免碰撞并安全地朝目標(biāo)位置前進。為了創(chuàng)建這條路徑，模型從粗略的猜測開始，然后逐漸但快速地通過去噪進行細(xì)化。

“高層次的推理是由一個VLM模型完成，該模型在沒有用戶提示的情況下，自動識別障礙物的位置、可通行區(qū)域和行為，”Tsetserukou解釋道?！傲硪环矫?，去噪過程中的擴散則生成了一條平滑的路徑，指向目標(biāo)。”

“SwarmDiffusion 的另一個優(yōu)點是它可以應(yīng)用于廣泛的機器人，包括無人機、腿式機器人和輪式機器人。這是因為它可以學(xué)習(xí)適用于多種類型機器人的一般運動原則，只需最少的信息（例如，機器人的首選方向或轉(zhuǎn)向行為），”論文的第一作者、博士生伊安娜·朱拉（Iana Zhura）說。

SwarmDiffusion 輕便且可以直接在機器人的內(nèi)部處理器上輕松運行。研究人員在一系列測試中測試了他們的模型，將其應(yīng)用于兩種不同的機器人，一種是無人機，另一種是仿生狗的四足機器人。他們發(fā)現(xiàn)它能夠在短時間內(nèi)（大約 90 毫秒）可靠地規(guī)劃機器人的未來行動。

“我們的實驗表明，它在機器人從未接觸過的環(huán)境中也能可靠地工作，”特塞魯科（Tsetserukou）說。

“人類大腦能夠在第一次看到新環(huán)境時進行導(dǎo)航，利用眼睛的立體視覺數(shù)據(jù)。相反，SwarmDiffusion 僅依賴于超越人類感知能力的 2D 圖像。我們不再需要像激光雷達(dá)、雷達(dá)或深度相機這樣昂貴的 3D 傳感器來進行路徑規(guī)劃?！?/p>

現(xiàn)實世界的應(yīng)用和未來改進

特塞魯科及其同事開發(fā)的新模型可以大大簡化機器人導(dǎo)航，為各種機器人應(yīng)用帶來新的可能性。例如，它可以用于改善倉庫、農(nóng)業(yè)環(huán)境或工業(yè)場所的機器人團隊導(dǎo)航，以及用于搜索和救援、基礎(chǔ)設(shè)施檢查、包裹遞送以及自然環(huán)境監(jiān)測的機器人。

“我們證明了，機器人不需要復(fù)雜的地圖或繁瑣的處理流程，就能自信地移動，”特塞魯科說。

“SwarmDiffusion可以將單一快照轉(zhuǎn)化為運動，減少通常會減慢機器人的許多負(fù)擔(dān)，因為它只需要每個平臺的少量路徑示例。它還指向一個令人興奮的可能性：一個單一的、多功能的模型，可以指導(dǎo)各種機器人，而無需不斷重建或定制。”

研究人員現(xiàn)在計劃進行新的研究，旨在進一步改進SwarmDiffusion，并評估其在更廣泛的現(xiàn)實世界實驗中的潛力。他們還希望很快能在多個機器人上同時部署，以確定它是否能提升它們在團隊中共同完成任務(wù)的能力。

“SwarmDiffusion讓機器人群體能夠作為一個統(tǒng)一、智能的團隊協(xié)作，利用Swarm Diffusion Intelligence來交換關(guān)于障礙物和生成軌跡的知識，”Tsetserukou說。

“展望未來，我們計劃將這種方法擴展到更多任務(wù)，而不僅僅是導(dǎo)航。生成路徑的同樣思路也可以幫助選擇更好的視角、探索場景，甚至支持操作任務(wù)。長期目標(biāo)是構(gòu)建一個能夠理解它所看到的、理解它需要做什么，并在不依賴許多獨立模塊的情況下產(chǎn)生正確行動的單一模型?！?/p>

在即將進行的研究中，Tsetserukou和他的同事計劃更加關(guān)注團隊中多臺機器人的協(xié)調(diào)。具體來說，他們將探索使用SwarmDiffusion同時控制多種不同類型機器人的可能性，從而使它們能夠更快、更高效地完成任務(wù)。

“未來，我們將構(gòu)建一個多智能體詞基礎(chǔ)模型，用于異構(gòu)機器人群體的導(dǎo)航，讓人形、移動、空中和四足機器人能夠各自創(chuàng)建獨立的路徑，并在未知環(huán)境中不與彼此和人類相交，”Tsetserukou補充道。

“多智能體系統(tǒng)的任務(wù)分配也將受到傳播的指導(dǎo)。這一發(fā)展將體現(xiàn)我們在未來6.0中的構(gòu)想，屆時，具備物理人工智能的機器人將在機器人城市中工作，并與人類世界無縫融合。”