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，让代理能够在没有地图的情况下确定新环境中的最短路径。虽然移动机器人通常都有预编程的地图，但Facebook设计的新算法可能使得能够创建不需要地图的机器人。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系统在没有地图的情况下导航新环境和到达预编程目标的能力。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只给出了指南针数据、GPS数据和RGB-D相机的访问权限，但据报道能够在没有地图数据的情况下导航虚拟环境并到达目标。根据研究人员的说法，代理是在虚拟环境中进行训练的，例如办公楼和房屋。所得到的算法能够导航模拟的室内环境，选择正确的路径分叉，并快速从错误中恢复，如果它选择了错误的路径。虚拟环境的结果很有前景，而且代理能够可靠地导航这些常见环境是很重要的，因为在现实世界中，如果代理失败，它可能会损坏自己或周围的环境。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AI代理的正确、可靠的导航是必不可少的。研究团队解释说，导航对于各种辅助AI系统都是必不可少的，从执行家务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创造者应该放弃使用地图，因为地图通常在绘制后立即过时，在现实世界中环境不断变化和演化。如TechExplore报道，Facebook研究团队使用了开源的AI Habitat平台，这使他们能够在时间上及时地在逼真的3D环境中训练代理。Haven提供了对一组模拟环境的访问，这些环境足够逼真，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 Technology Review 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是一个具有房间、走廊和家具的建筑物内部的逼真虚拟模拟。在这段时间内，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剔除了弱学习者，以加快训练速度。研究团队希望将他们的当前模型进一步发展，并创建仅使用相机数据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可能会被干扰，过于嘈杂，或者根本不可用。虽然该技术尚未在户外测试，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（尤其是送货无人机和在办公室或家中运行的机器人）发展的重要一步。