Роботы используют людей как сенсоры при движении в толпе
То, что роботы используют людей как сенсоры невидимых препятствий, звучит довольно неожиданно. Но в принципе, надо учиться помогать друг другу: роботы — нам, мы — роботам
Группа исследователей из Университета Иллинойса в Урбана-Шампейн и Стэнфордского университета разработала метод глубокого обучения с подкреплением, который должен улучшить способность мобильных роботов безопасно перемещаться в людных местах. Этот метод основан на идее использования окружающих робота людей в качестве индикаторов потенциальных препятствий.
Соавтор работы Маша Иткина говорит: «Мы сами делаем выводы об окружающей среде, наблюдая за движением людей, таким образом рассматривая людей как сенсоры. Например, если мы видим, что водитель резко затормозил, мы можем предположить, что на дорогу перед этим водителем выбежал пешеход».
Большинство ранее разработанных моделей, рассматривающих людей как сенсоры, были созданы для использования в городских условиях, чтобы повысить безопасность автономных транспортных средств. Новая модель разработана для улучшения способности мобильного робота ориентироваться в толпе людей.
Задачи навигации в толпе, как правило, сложнее, чем задачи вождения в городе, поскольку движение человека в толпе предсказать гораздо труднее.
Оптимальное несовершенство робота
Е-Джи Мун, ведущий автор исследования говорит: «Сначала мы представляем окружение робота как карту, это как бы вид с высоты птичьего полета. На карте отмечены занятые клетки. Таким образом формируется система препятствий вокруг робота и прокладывается оптимальный маршрут». При обучении робот старается найти этот оптимальный маршрут, ориентируясь на движущиеся и статичные препятствия и строит свою карту.
Неожиданно ученые обнаружили, что робот создает довольно несовершенные карты, на которые местоположение наблюдаемых и скрытых агентов нанесено довольно неточно. Но эти несовершенные карты позволяют роботу находить близкие к оптимальным маршруты. Оказалось, что робот оценивает только местоположение ближайших «критических агентов», которые скрыты и могут блокировать путь робота к цели.
«Этот результат означает, что максимально полная карта не обязательно является наилучшей для навигации в частично наблюдаемой, многолюдной среде. Оказалось, что достаточно сосредоточиться на нескольких потенциально важных агентах», — говорит Мун.
«Основной мотивацией для этой работы было уловить человеческую интуицию при навигации в толпе», — добавила Иткина. — «Мы надеемся лучше понять человека, чтобы улучшить возможности роботов».
