快速的碰撞检测器可以使机器人成为更好的人类助手肖剑

快速的碰撞检测器可以使机器人成为更好的人类助手

加利福尼亚大学圣地亚哥分校的电气工程师已经开发了一种更快的碰撞检测算法，该算法使用机器学习来帮助机器人避免移动物体并实时穿越复杂，快速变化的环境。该算法被称为“ Fastron”，其运行速度比现有的碰撞检测算法快8倍。

由电气和计算机工程学教授，圣地亚哥加州大学情境机器人研究所成员Michael Yip领导的一组工程师团队将于11月13日至15日在Google总部举行的第一届年度机器人学习大会上展示该新算法该会议将顶级机器学习科学家带到了仅邀请活动中。Yip的团队将在为期3天的会议中发表长话之一。

该团队设想，Fastron对于在人类环境中运行的机器人必须具有广泛的用途，在人类环境中，他们必须能够流畅地移动物体和人员。他们正在探索的一种应用是机器人-assisted手术使用达芬奇手术系统，其中，机器人臂将自主地执行辅助任务，而不在外科医生控制的臂的方式获得或患者的器官。

Yip说：“这种算法可以帮助机器人助手以安全的方式进行手术合作。”

该团队还预见到，Fastron可以用于在家中辅助生活应用的机器人，以及用于游戏和电影业的计算机图形学，其中碰撞检查通常是大多数算法的瓶颈。

现有碰撞检测算法的一个问题是它们的计算量很大。他们花费大量时间指定给定空间中的所有点，并对每个点进行碰撞检查以确定在给定时间是否有两个物体相交。当障碍物移动时，对计算的要求更高。

为了减轻计算量，Yip和他的团队在圣地亚哥加州大学的高级机器人与控制实验室中开发了一种用于碰撞检测的简约方法。结果就是Fastron，该算法使用机器学习策略对动态环境中的碰撞与非碰撞进行分类。

电气工程博士Nikhil Das表示：“实际上，我们不需要了解所有特定的几何形状和点。我们只需要知道机器人的当前位置是否在碰撞中即可。” 叶氏小组的学生，也是该研究的第一作者。

Fastron算法

Fastron的名称来自Fast和Perceptron的结合，这是一种用于执行分类的机器学习技术。Fastron的一个重要功能是它可以非常快地更新其分类边界以适应移动的场景，这对于一般的机器学习社区来说是一个挑战。

Fastron的主动学习策略通过反馈回路起作用。首先，通过创建机器人的配置空间或C空间的模型开始，该空间显示了机器人可以达到的所有可能位置。Fastron仅使用稀疏点集对C空间建模，该稀疏点集由少量所谓的碰撞点和无碰撞点组成。

然后，该算法定义了碰撞点和无碰撞点之间的分类边界-该边界本质上是抽象障碍物在C空间中位置的粗略轮廓。随着障碍物的移动，分类边界发生变化。Fastron不会像其他算法那样对C空间中的每个点执行碰撞检查，而是智能地选择边界附近的检查。对碰撞和非碰撞进行分类后，

由于Fastron的模型更加简单，研究人员将其碰撞检查设置为更加保守。Das解释说，由于只有几个点代表了整个空间，因此并不总是确定两个点之间的空间中发生了什么，因此该团队开发了一种算法来预测该空间中的碰撞。

戴斯说：“我们倾向于制作一个规避风险的模型，并从根本上弥补了工作场所的障碍。” 这样可以确保在敏感的环境中或在家里工作以辅助生活的机器人中，可以将机器人调整为更加保守。

到目前为止，该团队已在机器人的计算机仿真和仿真障碍中演示了该算法。向前迈进，团队正在努力进一步提高Fastron的速度和准确性。他们的目标是在机器人手术和家庭护理机器人环境中实施Fastron。

济南中创检测设备厂家

动静万能试验机

机车车辆减震器阻尼力综合性能试验台