現(xiàn)代機(jī)器人比它們的早期前輩更加智能和適應(yīng)性強(qiáng)。歷史上將人類與機(jī)器人區(qū)分開來的因素之一是人類能夠從過去的經(jīng)驗(yàn)和環(huán)境中學(xué)習(xí)。這種情況正在迅速改變，因?yàn)樾乱淮鷻C(jī)器人能夠從相同的輸入中學(xué)習(xí)并調(diào)整其行為作為響應(yīng)。

這是一個(gè)不斷發(fā)展的領(lǐng)域，被稱為“智能機(jī)器人”。機(jī)器感知在這個(gè)新領(lǐng)域發(fā)揮著重要作用。

機(jī)器感知將大大提高機(jī)器人的功能

為了學(xué)習(xí)和進(jìn)化，機(jī)器人必須能夠處理新的輸入。它們的大部分生存都依賴于感覺系統(tǒng)。然而，直到最近，他們將這些數(shù)據(jù)概念化的能力還相當(dāng)原始。

機(jī)器感知是這些自動(dòng)機(jī)的人工智能 (AI) 算法的下一階段。與更復(fù)雜的機(jī)器學(xué)習(xí)系統(tǒng)結(jié)合使用，它使機(jī)器人更能適應(yīng)不斷發(fā)展的環(huán)境。

許多智能機(jī)器人已經(jīng)在它們所使用的行業(yè)中留下了印記。幾年前，加州大學(xué)圣地亞哥分校發(fā)表了一篇關(guān)于依賴機(jī)器感知的機(jī)器人的帖子，該機(jī)器人剛滿一歲。根據(jù)作者的說法，這個(gè)機(jī)器人是機(jī)器人行業(yè)的奇跡。作者指出，機(jī)器人已經(jīng)取得了許多進(jìn)步，但仍難以復(fù)制人腦的復(fù)雜性。完全達(dá)到這個(gè)標(biāo)準(zhǔn)需要時(shí)間，但這個(gè)機(jī)器人是一個(gè)巨大的突破。

許多公司將依賴這些新編程的自動(dòng)機(jī)。Kohli Ventures的創(chuàng)始人 Ted Kohli預(yù)計(jì)他們將在無數(shù)行業(yè)的尖端技術(shù)中發(fā)揮至關(guān)重要的作用。

現(xiàn)代機(jī)器人的機(jī)器感知面臨哪些挑戰(zhàn)？

機(jī)器感知的好處越來越明顯。然而，數(shù)據(jù)科學(xué)家和人工智能工程師必須克服許多挑戰(zhàn)才能改善機(jī)器人技術(shù)的未來。Rewired分享了他們改善機(jī)器感知以支持智能機(jī)器人的一些方法。

修改機(jī)器感知算法以獲得更主動(dòng)的學(xué)習(xí)模型

程序員使用早期機(jī)器感知算法犯的最大錯(cuò)誤是將它們視為被動(dòng)系統(tǒng)。他們依賴于對他們所依據(jù)的生物系統(tǒng)的深思熟慮的假設(shè)。更現(xiàn)代的機(jī)器感知算法認(rèn)識(shí)到學(xué)習(xí)是一個(gè)更活躍的、多感官的過程。考慮到這一點(diǎn)，它們正在開發(fā)中。

開發(fā)新的感官系統(tǒng)來處理輸入

大多數(shù)早期的智能機(jī)器人系統(tǒng)都依賴于更陳舊的感覺系統(tǒng)。隨著新傳感器的開發(fā)，這種情況將會(huì)改變。較新的傳感器更有能力收集可以為機(jī)械系統(tǒng)解釋的輸入。

為智能機(jī)器人傳感器開發(fā)最佳觀察位置

輸入的質(zhì)量很大程度上取決于傳感器的位置。找到正確的視圖位置是該過程中非常重要的一部分。許多智能機(jī)器人系統(tǒng)很難正確處理這部分過程。CoSMoS 實(shí)驗(yàn)室的 Russell Graves寫了一篇關(guān)于一種新的啟發(fā)式模型的文章，該模型顯著改善了機(jī)器感知所需的定位和數(shù)據(jù)質(zhì)量。

“這項(xiàng)工作提出了一種啟發(fā)式方法，用于描述探索未知環(huán)境的自主代理的下一個(gè)最佳視圖位置。該方法將每個(gè)機(jī)器人視為一個(gè)點(diǎn)質(zhì)量，具有全向和不受限制的環(huán)境視覺和在可能包含孔的多邊形環(huán)境中運(yùn)行的視線通信。團(tuán)隊(duì)中的機(jī)器人數(shù)量始終足以對空間進(jìn)行全面的視覺覆蓋。該算法成功地將代理部署到可能包含孔的多邊形中。將部署方法的效率與隨機(jī)部署方法進(jìn)行比較，以確定所提出策略的性能指標(biāo)。結(jié)果表明，這項(xiàng)工作中提出的啟發(fā)式方法在其他測試策略中表現(xiàn)更好。”

機(jī)器學(xué)習(xí)能力取決于最薄弱的環(huán)節(jié)

機(jī)器感知是機(jī)器學(xué)習(xí)過程的第一階段。如果智能機(jī)器人無法收集準(zhǔn)確和信息豐富的數(shù)據(jù)，它們將無法進(jìn)化以應(yīng)對環(huán)境挑戰(zhàn)。這既需要用于解釋輸入的復(fù)雜系統(tǒng)，也需要用于收集數(shù)據(jù)的有效感官系統(tǒng)。

隨著機(jī)器感知解決方案變得更加先進(jìn)，智能機(jī)器人將以更快的速度發(fā)展。對于迷人的智能機(jī)器人領(lǐng)域來說，這將是一個(gè)奇妙的發(fā)展。