Facebook 创建了一种方法，可能允许 AI 机器人在没有地图的情况下导航

Facebook最近创建了一个算法，增强了AI代理在环境中的导航能力，允许代理在新环境中确定最短的路径，而无需地图。虽然移动机器人通常具有预编程的地图，但Facebook设计的新算法可能使能够创建不需要地图即可导航环境的机器人成为可能。

根据Facebook研究人员的帖子，机器人导航的一个主要挑战是赋予AI系统在新环境中导航和到达预编程目标而无需地图的能力。为了解决这个挑战，Facebook创建了一个分布在多个学习者上的强化学习算法，称为去中心化分布式近端策略优化（DD-PPO）。DD-PPO仅提供了指南针数据、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到达目标，而无需任何地图数据。

根据研究人员的说法，代理是在虚拟环境中训练的，例如办公楼和房屋。所得到的算法能够在模拟的室内环境中导航，选择正确的路径分叉，并快速从错误中恢复。如果代理选择了错误的路径。在现实世界中，代理可能会损坏自己或周围的环境，如果它失败了，因此代理能够可靠地导航这些常见的环境是至关重要的。

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AI代理的适当、可靠的导航至关重要。研究团队解释说，导航对于各种辅助AI系统至关重要，从执行家庭任务的机器人到帮助视力障碍人士的AI驱动设备。研究团队还认为，AI创作者应该放弃使用地图，因为地图通常在绘制后很快就会过时，在现实世界中，环境不断变化和演化。

正如TechExplore报道的，Facebook研究团队使用了开源的AI Habitat平台，该平台使他们能够在photorealistic 3D环境中快速训练embodied代理。Haven提供了对一组模拟环境的访问，这些环境足够真实，以至于AI模型生成的数据可以应用于现实世界的案例。Douglas Heaven在《MIT技术评论》中解释了模型训练的强度：

“Facebook在AI Habitat中训练了机器人三天，AI Habitat是一个photorealistic的虚拟模拟环境，具有房间、走廊和家具。在那段时间里，他们采取了25亿步——相当于80年的人类经验。”

由于训练任务的复杂性，研究人员据报道在训练过程中消除了弱学习者，以加快训练速度。研究团队希望进一步发展他们的当前模型，并创建仅使用相机数据即可导航复杂环境的算法，放弃GPS数据和指南针。这样做的原因是GPS数据和指南针数据在室内环境中可能会被干扰、过于嘈杂或不可用。

虽然该技术尚未在室外进行测试，并且在长距离导航方面存在困难，但算法的开发是下一代机器人发展的重要一步，特别是交付无人机和在办公室或家庭中运行的机器人。