麻省理工学院的一个机器人研究小组近日开发出了一种自主机器人，通过多种传感器的结合使用以及先进的机器学习技术，使得即使在拥挤的地区，机器人也能很好地遵守（人类）社会规范。这种自主式的轮式机器人为未来的全自动送货机器人，甚至是能够在繁忙的街道上灵活自主行驶的智能个人辅助机动设备，提供了很好的指导方向。

一直以来，机器人在人群密集地区的自主移动是机器人研究者们的热点研究方向。如果机器人能够在我们之间自由移动，那么它们就能自主开展各种日常活动。这种在人群中自主移动的能力对于机器人是项很重要的功能，因为这样他们不仅能够理解环境并对自己进行导航，而且机器人能够预测并且指导我们的生活。但前提是机器人必须知道它在哪里，我们在哪里，并且能够规划一条路线进而执行它选择的路径。

以前研究者们试图让机器人在人类拥挤的地方自主航行的尝试均遭到了不同程度的挫折。例如，基于轨迹的方法，机器人根据传感器数据预测一个人将走到哪里。这种方法存在一个很严重的问题：机器人必须在不断变化的环境中收集数据，并弄清楚它的下一步行动是什么。这常常会导致反复的停止/启动运动。

另一种方法是用一种简单的反应方法来管理机器人，它使用几何和物理规则来规划路线并避免碰撞。当一个人直线行走的时候，这是很好的，但是人类是不可预测的生物，倾向于突然改变方向，这可能导致人和机器人同时走向同一个地方并发生碰撞。

02

MIT的研究团队尝试利用强化学习技术(reinforced learning)教会他们的机器人buddy在人群中导航的本事。在基本层面上，这个方法通过计算机计算模拟一个有一些以不同速度和轨迹运动的物体(模拟真实环境中的人)的场景，将机器人放置在这个模拟的场景中训练学习模拟人的行走规律。

模拟器还能用于教会机器人在导航时遵守环境中的一些社会规范，诸如走路要靠右走，将自身速度控制在1.2米每秒的一般行人步伐速度。当机器人在真实世界中面对一屋子人的时候，它会识别出在训练中遇到的某些特定的场景，然后根据相应的行人规则来应对这些场景。

在计算机领域之外，MIT的研究者们把他们的机器人描述为是一个“膝盖高并有轮子的亭子”。它装备有一系列传感器，包括网络摄像机，深度传感器和一个高分辨率的雷达传感器来帮助机器人感知周围环境，并利用一些开源算法来实现自我定位。

 这些传感器每隔0.1秒扫描一次机器人周围的环境，这使得机器人具备了感知动态环境的能力并在前往目的地的时候灵活地调整自己的路径而无需停下来计算规划自己的最优移动方向。

“我们并没有在一开始就计算规划好前往目标的一整条路径——因为这毫无意义，特别是当你假设世界是不断变化的时候，”这项研究的论文合作者之一的研究生Michael Everett说道，”我们只看我们当前看到的，然后选择一个速度前进，每0.1秒再扫描一次周围的环境，计算出另一个速度，再继续以新的速度前进。利用这种方式，我们认为我们的机器人看起来会会更加自然，并且还能预测出人们在做什么。”

03

科学家们将他们的机器人与增强学习技术结合在一起，并前往麻省理工的Stata中心进行了一系列的物理测试。机器人成功地在一条蜿蜒的，充满行人的走廊上完成了长达20分钟的行走，而没有撞到任何一个人。

Everett说：“我们想把他带到一个人们日常生活的地方，大家做着各种各样的事，例如去上课，去吃饭等等，通过这些，我们想证明我们的机器人性能足够鲁棒，能应对所有的这些情况。”他补充到：“有一次，机器人面对的场景甚至有一个观光团，但机器人完美的避开了他们”。

该团队计划继续并扩大其研究，并测试机器人在行人环境中行走的情况。这可能需要制定一套新的行为规则。

有些人可能会对让机器人在人们中间行走的想法感到一些担忧，但是大部分人认为麻省理工的最新机器人研究对人类几乎没有什么威胁。如果这项技术与麻省理工的猎豹设计相结合，并由IBM Watson超级计算机提供计算能力，创造出某种半人半马机器人，那么就可能需要担心了。

下个月MIT将在IEEE 智能机器人和系统会议上发表一篇详细介绍这项研究的论文（https://arxiv.org/pdf/1703.08862.pdf）。