小米科技|导航模型将来自机器人的运动信息,与偏振光罗盘提供的方向信息相结合

小米科技|导航模型将来自机器人的运动信息,与偏振光罗盘提供的方向信息相结合

文章图片

小米科技|导航模型将来自机器人的运动信息,与偏振光罗盘提供的方向信息相结合

文章图片

小米科技|导航模型将来自机器人的运动信息,与偏振光罗盘提供的方向信息相结合

文章图片


当全局导航问题被简化时 , 例如在机器人汽车斯坦利的情况下 , 它提供了全球定位系统航路点 , 路径规划主要在机器人的局部空间三维度量地图内执行 , 受许多激励因素的约束 。 包括避开障碍物和突然转弯、在道路中心行驶以及尽量减少与全球航路点的偏差 。 局部度量和全局拓扑图的路径规划是在空间语义层次等方法中执行的 。 机器人“教学和重复”算法通过在一系列拓扑连接的度量子图中进行定位和路径规划来规划和执行远程导航 。

在传统机器人技术中也有几个值得注意的基于快照和地标的导航示例 。 科学家的基于快照的导航系统沿路线学习视觉快照 , 然后通过将相机图像与参考图像进行比较并提取驱动机器人沿路线行驶的相对方向矢量 , 自动回溯路线 , 并展示了对光照变化和部分视图遮挡的鲁棒性 。 在系统中执行基于快照和空间的导航 , 该系统使用视觉快照在拓扑图中进行定位并 。

采用一种补充方法 , 它同样使用了拓扑全局路径规划过程 , 但结合了局部地标驱动的精确路径规划过程 。 地标用于驱动导航 , 其中还包含全局拓扑表示;然而 , 与许多执行闭环和地图合并以处理航位推算漂移的机器人导航系统不同 , 该系统在检测到不确定性时采用主动探索和回归策略 。 仿生导航模型的开发通常侧重于在类似的实验条件下定性或定量地复制类似动物的导航行为 , 有时还具有神经上似是而非的计算机制 。

由于大多数动物导航实验发生在小型人工实验室环境中 , 因此这些导航模型可以提供类似动物的行为 , 而不必解决机器人技术面临的任何现实世界导航概念 , 例如航位推算漂移和地标数据关联问题 。 一个关键的例外是受昆虫启发的仿生模型 , 因为他们试图模仿的大部分行为数据来自撒哈拉沙漠等大型自然动物栖息地的实验 。 在这里 , 科学家回顾了仿生导航机制 , 重点关注机器人导航机制在多大程度上以及如何与仿生模型相关并在仿生模型中复制 。

特别是 , 他们解决了在机器人导航系统中计算起来微不足道的两个关键导航概念:超出立即可观察环境的远程路径规划和基于多目标的导航 。 远程机器人导航很容易用全局度量或拓扑图计算 , 而将导航要求强加到多个目标通常对传统机器人导航系统的需求很少;额外的目标可以简单地在地图中指定 。 基于昆虫的模型为动物如何在其自然栖息地进行长距离导航提供了最直接的解释 。

导航模型将来自机器人车轮编码器的自运动信息与偏振光罗盘提供的绝对方向信息相结合 , 以实现使用远程航位推算进行导航 , 并在地标附近使用视觉引导归位 。 该模型不要求唯一标识单个地标 , 而是唯一标识地标星座 。 这种航位推算导航与地标识别的结合也出现在其他昆虫导航模型中 , 这些模型复制了类似蚂蚁的行为 。 昆虫解剖学通常是众所周知的 , 但在如此小的系统中记录详细的神经活动是一项挑战 。

【小米科技|导航模型将来自机器人的运动信息,与偏振光罗盘提供的方向信息相结合】因此 , 建模方法试图模拟昆虫大脑的已知解剖结构 , 昆虫导航行为的复制 , 而不是神经活动 , 是其生物学合理性的主要指标 。可以说 , 在啮齿动物海马体中发现了到多个目标位置的远程路径规划的最强神经指示 , 最近已证明海马体可以生成位置细胞活动序列 , 该序列编码从大鼠当前位置到目标的路线一个被称为预演的过程 。   这一发现特别相关 , 因为它扩展了先前的证据 , 该证据显示了以前经过的路线的重播——当前的证据揭示了以前从未经历过的起点和目标位置组合之间的路线重播 , 提供 捷径的合理神经基础 。

相关经验推荐