荒野小徑遍歷對(duì)于救援人員和戶外愛(ài)好者來(lái)說(shuō)都是一項(xiàng)非常有用的技能，但對(duì)于機(jī)器人來(lái)說(shuō)卻很難教。并不是機(jī)械野獸不能學(xué)習(xí)在山坡上徒步旅行而避免倒下的樹(shù)枝 - 最先進(jìn)的機(jī)器學(xué)習(xí)算法可以做到這一點(diǎn)。問(wèn)題在于缺乏普遍性：人工智能驅(qū)動(dòng)的機(jī)器人經(jīng)常在他們以前從未見(jiàn)過(guò)的環(huán)境中掙扎。

科羅拉多大學(xué)的研究人員最近在預(yù)印本服務(wù)器Arxiv.org上發(fā)表了一篇論文(“用于荒野小徑的機(jī)器人的虛擬 - 真實(shí)世界轉(zhuǎn)移學(xué)習(xí)”)。他們的方法利用各種深度學(xué)習(xí)模型 - 即神經(jīng)元模擬數(shù)學(xué)函數(shù)層 - 來(lái)幫助機(jī)器人從相機(jī)鏡頭中找出遠(yuǎn)足徑的方向。

研究人員寫道：“機(jī)器人在許多涉及戶外使用的場(chǎng)景中都有希望，例如搜索和救援，野生動(dòng)植物管理以及收集數(shù)據(jù)以改善環(huán)境，氣候和天氣預(yù)報(bào)。”“然而，戶外步道的自主導(dǎo)航仍然是一個(gè)具有挑戰(zhàn)性的問(wèn)題......在許多情況下，收集和訓(xùn)練訓(xùn)練數(shù)據(jù)集可能不太可行或不實(shí)用，特別是由于季節(jié)性天氣變化，風(fēng)暴和自然侵蝕，小徑條件可能會(huì)發(fā)生變化。”

正如該論文的作者指出的那樣，戶外路徑存在很多變化。它們由任何數(shù)量的材料(如礫石，泥土和覆蓋物)定義，并且它們跨越不同的生物群落，例如森林，草地和山脈。此外，它們的外觀隨著季節(jié)，天氣和一天中的時(shí)間而變化，并且它們通常被茂密的植被部分遮擋。

收集和標(biāo)記訓(xùn)練強(qiáng)大系統(tǒng)所需的真實(shí)數(shù)據(jù)將非常耗時(shí)，因此研究人員采購(gòu)了虛擬室外步道的合成圖像。為了制作它們，他們組裝了一個(gè)阿爾卑斯山的場(chǎng)景，在Unity中有泥土小徑，點(diǎn)綴著Unity資源商店的樹(shù)木，巖石和草的3D模型。然后，他們放置了一個(gè)帶有三個(gè)攝像頭的虛擬機(jī)器人 - 每個(gè)攝像頭分別具有400×400像素的分辨率和80度的視野 - 可以收集20,269張景觀圖像。

該團(tuán)隊(duì)將圖像調(diào)整為100×100×3像素的分辨率，以實(shí)現(xiàn)更快的處理速度和更低的內(nèi)存消耗。然后他們將集合分成三個(gè)獨(dú)立的集合：一個(gè)用于培訓(xùn)，一個(gè)用于驗(yàn)證，第三個(gè)用于測(cè)試。

訓(xùn)練數(shù)據(jù)集被饋送到具有不同架構(gòu)的三個(gè)不同神經(jīng)網(wǎng)絡(luò)：深度神經(jīng)網(wǎng)絡(luò)(DNN)，卷積神經(jīng)網(wǎng)絡(luò)(CNN)和遞歸神經(jīng)網(wǎng)絡(luò)(RNN)。在AI完全控制虛擬機(jī)器人的實(shí)驗(yàn)中，一個(gè)模型 - RNN - 設(shè)法以95.02%的準(zhǔn)確度預(yù)測(cè)正確的軌跡方向。重要的是，在一個(gè)單獨(dú)的測(cè)試中，研究人員在4,000個(gè)真實(shí)世界圖像的數(shù)據(jù)集上訓(xùn)練了所有三種AI算法，DNN模型的準(zhǔn)確度達(dá)到了58.41%，超過(guò)了基線并表明虛擬到??現(xiàn)實(shí)的轉(zhuǎn)移學(xué)習(xí)具有潛力超越一些傳統(tǒng)的計(jì)算機(jī)視覺(jué)方法。

研究人員寫道：“觀察到機(jī)器人在導(dǎo)航路徑方面取得了很大的成功，包括那些轉(zhuǎn)彎嚴(yán)重，障礙物大的巨石等。”“此外，我們觀察了幾個(gè)'智能'決策的實(shí)例;在一次試驗(yàn)中，機(jī)器人在與一個(gè)大障礙物碰撞后短暫地駛離了小徑，然后導(dǎo)航回到小徑并恢復(fù)其行程。

這三個(gè)神經(jīng)網(wǎng)絡(luò)都沒(méi)有完美表現(xiàn)。機(jī)器人偶爾將特定的地形區(qū)域誤認(rèn)為是軌跡特征，這導(dǎo)致它偏離航線。研究人員承認(rèn)，Unity的低質(zhì)量地形包不允許物體之間存在“足夠的差異”。(他們留待未來(lái)的工作探索技術(shù)，以提高普遍性，如程序性地生成具有不同條件的地形。)

但他們認(rèn)為，他們的工作為可能加速機(jī)器人中地形導(dǎo)航AI訓(xùn)練的方法奠定了基礎(chǔ)。

“機(jī)器人電池壽命，人體疲勞和安全考慮是手動(dòng)數(shù)據(jù)采集的主要挑戰(zhàn);然而，通過(guò)我們的方法，這些問(wèn)題可能會(huì)被規(guī)避，因?yàn)闃?biāo)簽數(shù)據(jù)的生成可以在虛擬環(huán)境中快速有效地執(zhí)行，“研究人員寫道。“然后，機(jī)器人可以進(jìn)行虛擬訓(xùn)練，以駕馭難以進(jìn)入和/或危險(xiǎn)的地形，包括目前無(wú)法訪問(wèn)的新地形，并從(例如，火星)收集真實(shí)數(shù)據(jù)，而不會(huì)首先暴露于這些環(huán)境。”