Facebook创建方法可以让人工智能机器人在没有地图的情况下导航

Facebook 最近创建了一种算法，可以增强人工智能代理在环境中导航的能力，让代理无需访问地图即可确定通过新环境的最短路线。 虽然移动机器人通常会编入地图，但 Facebook 设计的新算法可以创建无需地图即可在环境中导航的机器人。

根据一个 Facebook 研究人员创建的帖子机器人导航的一个主要挑战是赋予人工智能系统在新环境中导航并在没有地图的情况下到达编程目的地的能力。 为了应对这一挑战，Facebook 创建了一种分布在多个学习者之间的强化学习算法。 该算法被称为去中心化分布式近端策略优化（DD-PPO）。 DD-PPO 仅获得指南针数据、GPS 数据和 RGB-D 相机的访问权限，但据报道能够在虚拟环境中导航并在没有任何地图数据的情况下到达目标。

研究人员表示，代理在办公楼和房屋等虚拟环境中接受了训练。 由此产生的算法能够导航模拟的室内环境，选择路径中的正确分叉，并在选择错误路径时快速从错误中恢复。 虚拟环境的结果是有希望的，重要的是代理能够可靠地导航这些常见环境，因为在现实世界中，代理如果失败可能会损坏自身或周围环境。

Facebook 研究团队解释说，他们项目的重点是辅助机器人，因为辅助机器人和人工智能代理的正确、可靠的导航至关重要。 研究团队解释说，导航对于各种辅助人工智能系统至关重要，从在房子周围执行任务的机器人到帮助视力障碍人士的人工智能驱动设备。 研究团队还认为，人工智能创造者应该远离一般的地图使用，因为地图通常一绘制就过时了，而且在现实世界环境中，它们在不断变化和发展。

据 TechExplore 报道，Facebook 研究团队利用 开源人工智能栖息地 平台，使他们能够及时在逼真的 3D 环境中训练实体代理。 Haven 提供了一组模拟环境，这些环境足够真实，AI 模型生成的数据可以应用于现实世界的案例。 道格拉斯天堂 科技创业 解释了模型训练的强度：

“Facebook 在 AI Habitat 中对机器人进行了三天的训练，这是一个逼真的建筑物内部虚拟模型，有房间、走廊和家具。 在那段时间里，他们走了 2.5 亿步——相当于人类 80 年的经验。”

据报道，由于训练任务非常复杂，研究人员在训练继续时剔除了弱学习者，以加快训练时间。 研究团队希望进一步发展他们当前的模型，并继续创建可以仅使用相机数据导航复杂环境的算法，而无需使用 GPS 数据和指南针。 其原因是 GPS 数据和指南针数据在室内经常会丢失、噪音太大或根本不可用。

虽然该技术尚未在户外进行测试，并且在长距离导航方面存在困难，但该算法的开发是开发下一代机器人，特别是送货无人机以及在办公室或家庭中操作的机器人的重要一步。