哪种方式去冰箱？常识帮助机器人导航

如果机器人知道A点是客厅沙发，而B点是冰箱，即使它不在一个陌生的地方，从A点到B点的机器人也会更有效率。这就是卡内基梅隆大学和Facebook AI Research（FAIR）开发的“语义”导航系统背后的常识。

上个月，这种名为SemExp的导航系统在虚拟的计算机视觉和模式识别会议上赢得了人居ObjectNav挑战赛，该团队来自三星中国研究院。这是CMU团队在年度挑战赛中连续第二次获得第一名。

SemExp（即目标导向的语义探索）使用机器学习训练机器人识别物体（例如，知道厨房桌子和茶几之间的区别），并了解在家里的何处可能发现这些物体。这使系统可以战略性地思考如何搜索事物.

查普洛特说：“常识说，如果您要买冰箱，最好去厨房。” 相比之下，经典的机器人导航系统通过构建显示障碍物的地图来探索空间。机器人最终到达了需要去的地方，但是路线可能是巡回的。

以前使用机器学习来训练语义导航系统的尝试受到了阻碍，因为它们倾向于记住对象及其在特定环境中的位置。这些环境不仅复杂，而且通常系统难以将其学到的知识推广到不同的环境中。

通过使SemExp成为模块化系统，避免了这个问题。该系统利用其语义洞察力来确定寻找特定物体的最佳位置。一旦机器人决定要去哪里，就可以使用经典规划算法来到达目的地。

事实证明，这种模块化方法在多种情况下都是有效的。学习过程可以专注于对象与房间布局之间的关系，而不是学习路线规划。语义推理确定最有效的搜索策略。最后，经典的导航规划使机器人尽快到达目的地。

最终，语义导航将使人们与机器人进行交互变得更加容易，使他们能够简单地告诉机器人在特定位置取回一件物品，或者给出诸如“转到左侧第二扇门”的方向性指令。