人类内部室内机器人导航的框架

为了完成他们设计要完成的任务，移动机器人应该能够有效地导航现实环境，避免人类或周围环境出现障碍。虽然静态对象通常很容易被机器人检测和规避，但是避免人类可能更具挑战性，因为这需要预测其未来的运动并相应地进行计划。

加州大学伯克利分校的研究人员最近开发了一种新的框架，该框架可以增强室内环境(例如办公室，房屋或博物馆)中的人类之间的机器人导航。他们的模型在arXiv上预先发表的一篇论文中提出，并在称为HumANav的新编辑的真实感图像数据集上进行了训练。

研究人员在论文中写道：“我们提出了一种围绕人类导航的新颖框架，该框架将基于学习的感知与基于模型的最佳控制相结合。”

这些研究人员开发的新框架被称为LB-WayPtNav-DH，它包含三个关键组件：感知，计划和控制模块。感知模块基于卷积神经网络(CNN)，该神经网络经过训练可使用监督学习将机器人的视觉输入映射到航路点(即下一个所需状态)。

然后，由CNN映射的航点将输入到框架的计划和控制模块。这两个模块结合在一起，可确保机器人安全地移动到其目标位置，避免其周围出现任何障碍物和人员。