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。它们以特定的探索的一个应用是机器人-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(吸入，灌溉或将组织拉回来)，而不在外科医生控制的臂的方式获得或患者的器官。

Yip说：“该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。

现有的碰撞检测算法的问题在于它们的计算量很大。他们花费大量时间指定给定空间中的所有点(机器人的特定3D几何形状和障碍物)，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(ARClab)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(该算法通常用于对对象进行分类)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。