家用机器人如何在动态环境中实现精准定位

家用机器人如何在动态环境中实现精准定位

深度学习生成不变表征、传感器可靠性评估以及高效地图表征，共同造就了Astro卓越的空间智能。

人类将在不断变化的家庭环境中行动的能力视为理所当然。每天早晨，我们都能从床边走到厨房，即使家具布局改变、椅子被挪动，或家人在走廊中间留下鞋子和包包。

这是因为人类对环境建立了深度的上下文理解，这种理解能够适应各种变化。这种能力得益于优越的传感器（眼睛、耳朵和触觉）、强大的计算机（大脑）和庞大的记忆。然而，对于传感器、计算能力和内存都有限的机器人来说，应对具有挑战性的动态环境需要创新的算法和表征。

某中心的科学家和工程师一直在研究如何帮助Astro在客户家中随时知晓自身位置，且对环境做出最少假设。Astro的智能运动系统依赖视觉同时定位与建图（V-SLAM）技术，使机器人能够利用视觉数据同时构建环境地图并确定自身在地图中的位置。

V-SLAM系统概述

V-SLAM系统通常包含视觉里程计追踪器、非线性优化器、回环检测器和建图组件。Astro系统的前端通过从传感器数据提取视觉特征、建立不同传感器源特征之间的对应关系，并逐帧追踪特征来执行视觉里程计，以估计传感器运动。

回环检测尝试将当前帧中的特征与先前看到的特征进行匹配，以修正视觉里程计中累积的不准确性。Astro随后处理视觉特征、估计的传感器位姿和回环信息，并通过优化获得全局运动轨迹和地图。

V-SLAM的最新技术研究假设机器人环境大多是静态且很少变化。但这些假设在客户家中无法成立。

环境动态性挑战

家庭环境的变化发生在不同时间尺度：短期变化，如宠物和人的存在；中期变化，如箱子、袋子或椅子等物体的移动；长期变化，如节日装饰、大家具重新布置，甚至装修期间墙壁的结构变化。

此外，随着太阳移动和室内灯光开关，家庭内部照明不断变化，以不同方式对房间和家具进行阴影和照明，使得同一场景在不同时间看起来截然不同。Astro必须能够在所有照明条件下运行，包括完全黑暗。

虽然工业机器人可以在受控环境中运行，其变化已预先编码为软件规则，但适应未脚本的环境变化是Astro团队必须解决的基本挑战之一。智能运动系统需要对其环境有高级视觉理解，以便能够提取不变视觉线索并进行程序化描述。

Astro使用经过数百万对图像训练的深度学习算法，这些图像包括捕获和合成的，描绘了不同时间的相似场景。这些图像模拟了Astro在真实客户家中可能面临的各种场景，如不同的场景布局、照明和视角变化、遮挡、物体移动和装饰。

Astro的算法还使其能够适应从未见过的环境（如新客户的家）。这些算法的开发需要高度准确和可扩展的真实机制，可以方便地部署到家庭中，并允许团队测试和改进V-SLAM系统的鲁棒性。

使用传感器融合改进定位

为了提高定位的准确性和鲁棒性，Astro将其导航传感器数据与轮式编码器和惯性测量单元（IMU）数据融合，后者使用陀螺仪和加速度计来测量运动。每个这些传感器都有局限性，可能影响Astro的定位能力，为了确定在给定时间可以信任哪些传感器，理解其噪声特性和故障模式非常重要。

例如，当Astro驶过门槛时，IMU传感器可能饱和并给出错误读数。或者如果Astro在车轮打滑的地板表面上行驶，其轮式编码器可能给出不准确读数。照明和运动模糊等视觉因素也可能影响传感器读数。

Astro团队还必须考虑各种可预测导致传感器错误的使用案例。例如，团队必须确保当Astro被从地板上抬起时，轮式编码器数据得到适当处理，当设备进入低功耗模式时，某些传感器数据不被处理。

计算和内存限制

Astro具有有限的车载计算能力和内存，需要在几个关键系统之间共享。Astro团队开发了一种非线性优化技术，用于"捆绑调整"——同时优化场景的3D坐标、估计机器人相对运动以及相机光学特性——该技术计算效率足够高，能够每秒多次生成六自由度位姿信息。

由于Astro的家庭地图不断更新以适应环境变化，其内存占用稳步增长，需要压缩和修剪技术，在保持地图实用性的同时保持在设备内存限制内。

为此，Astro团队设计了一个长期建图系统，具有多层上下文知识，从更高级的理解——如Astro可以访问哪些房间——到较低级的理解——如区分地板上物体的外观。这种多层方法帮助Astro有效识别其操作环境的任何重大变化，同时足够鲁棒以忽略微小变化。

所有这些更新都在设备上发生，无需任何云处理。客户家庭的不断更新表征使Astro能够在数月内鲁棒有效地定位自身。

在创建这种新型家用机器人时，Astro团队使用深度学习并基于最先进的计算几何技术，赋予Astro远超简单家用机器人的空间智能。Astro团队将继续创新，确保Astro学习新的方式适应更多家庭，帮助客户在忙碌的生活中节省时间。
更多精彩内容 请关注我的个人公众号 公众号（办公AI智能小助手）或者 我的个人博客 https://blog.qife122.com/
对网络安全、黑客技术感兴趣的朋友可以关注我的安全公众号（网络安全技术点滴分享）