BADGR机器人使用深度学习来规划和穿越无障碍路径

BADGR是使用自我监督数据训练的端到端自主机器人。与大多数传统的依靠几何数据来规划无碰撞路径的传统机器人不同，BADGR依靠“经验”来穿越地形。

BADGR的核心是Nvidia Jetson TX2，它处理车载摄像头，六自由度惯性测量单位传感器，2D LIDAR传感器和GPS系统。具体来说，BADGR拥有一个人工神经网络，由实时相机传感器的观测结果和一系列未来计划的行动提供反馈。

然后，神经网络会预测到达目标的最佳可能路径。与将路径遍历视为几何问题的传统方法相比，此方法具有一个主要优势：传统技术可以避开路径中的高草，而BADGR可以在其中导航。此外，这使BADGR在收集更多数据时得以改善。研究人员指出：

BADGR背后的关键见解是，通过直接从现实世界中的经验中自主学习，BADGR可以了解导航能力，随着收集更多数据而不断改进，并推广到看不见的环境。

研究团队表示BADGR的成功提出了一些问题。主要是，机器人将如何在看不见的甚至是敌对的环境中安全地收集数据？BADGR将如何适应有生命障碍（例如步行的人）的动态环境？

相关论文已发表在arXiv上。研究人员还在BADGR的GitHub存储库中发布了其研究成果。

本文素材来自互联网

（编辑：辽源站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!