一種糾正占用網(wǎng)格圖缺陷的新策略

位于巴西的Universidade FederaldoEspíritoSanto(UFES)Universidade FederaldoAlpéDesempenho(LCAD)的研究人員已經(jīng)設(shè)計(jì)出一種新的策略，通過(guò)糾正傳感器無(wú)法觀察到的地圖單元的無(wú)效占用概率來(lái)糾正占用網(wǎng)格圖中的缺陷。這種被稱(chēng)為地圖衰變的新技術(shù)受到人腦記憶結(jié)構(gòu)的當(dāng)前經(jīng)驗(yàn)知識(shí)的啟發(fā)。

“我們LCAD研究團(tuán)隊(duì)的長(zhǎng)期目標(biāo)是了解人類(lèi)的大腦是如何工作的，”進(jìn)行這項(xiàng)研究的研究人員之一Alberto Ferreira De Souza告訴TechXplore。“我知道，這是一個(gè)非常雄心勃勃的目標(biāo)，所以為了解決這個(gè)問(wèn)題，我們做了科學(xué)上常見(jiàn)的事情。也就是說(shuō)，我們?cè)O(shè)想將大腦理解為一系列里程碑，并從第一個(gè)開(kāi)始。在我們的案例中。 ，它是嘗試和理解視覺(jué)認(rèn)知，我們使用我們的視覺(jué)來(lái)理解世界和世界觀的能力。“

這個(gè)雄心勃勃的研究項(xiàng)目大約在15年前開(kāi)始，最初使用靜態(tài)圖像，然后使用移動(dòng)機(jī)器人上的相機(jī)拍攝的動(dòng)態(tài)圖像。后來(lái)，研究人員開(kāi)始研究自動(dòng)駕駛汽車(chē)并最終建造了自己的汽車(chē)，名為IARA(智能自主機(jī)器人汽車(chē))。

“在這項(xiàng)工作中，我們?cè)诖竽X中尋找靈感來(lái)提出改進(jìn)現(xiàn)有算法，這些算法涉及自動(dòng)駕駛汽車(chē)的地圖處理，”De Souza說(shuō)。“大腦及其功能是從認(rèn)知心理學(xué)的角度進(jìn)行分析的;尤其是與記憶有關(guān)的不同程度的認(rèn)知過(guò)程：感覺(jué)記憶，短期記憶(或工作記憶)和長(zhǎng)期記憶。”

人類(lèi)能夠?qū)⑿畔⒋鎯?chǔ)在他們的記憶中并在需要時(shí)回憶它。這種基本能力使物理程序的執(zhí)行和長(zhǎng)期目標(biāo)的實(shí)現(xiàn)成為可能。然而，與記憶過(guò)去的事物一樣重要的是忘記無(wú)關(guān)信息的能力，將注意力集中在有助于解決當(dāng)前任務(wù)或問(wèn)題的事物上。

“我們分析了被認(rèn)為存在于人類(lèi)大腦中的視覺(jué)記憶體系結(jié)構(gòu)與在自動(dòng)駕駛汽車(chē)中構(gòu)建地圖的過(guò)程之間的相似性，”De Souza說(shuō)。“受這些相似之處的啟發(fā)，我們提出了一種新的策略，用于從占用網(wǎng)格圖中消除在線(xiàn)噪聲，我們將其稱(chēng)為地圖衰減。”

地圖衰減的工作原理是將運(yùn)行時(shí)(即系統(tǒng)在線(xiàn)時(shí))獲得的感官信息與離線(xiàn)構(gòu)建的高精度地圖中的先前數(shù)據(jù)合并。根據(jù)傳感器是否觀察到地圖單元來(lái)強(qiáng)調(diào)在線(xiàn)或離線(xiàn)數(shù)據(jù)。

“使用傳統(tǒng)的占用網(wǎng)格映射技術(shù)更新了傳感器觀測(cè)到的細(xì)胞，”De Souza解釋道。“調(diào)整未觀察到的細(xì)胞，使其占用概率趨于離線(xiàn)地圖中的值。這種調(diào)整的效果是地圖的不可觀測(cè)區(qū)域中在線(xiàn)信息的明顯衰落或衰減，同時(shí)高精度保留離線(xiàn)信息。“

這種策略背后的想法是，關(guān)于不可觀察的地圖單元的最精確的可用信息是在高精度離線(xiàn)地圖中找到的值。UFES已將地圖衰減應(yīng)用于其IARA自動(dòng)駕駛汽車(chē)，初步測(cè)試產(chǎn)生了非常有希望的結(jié)果。

“地圖衰減消除了在線(xiàn)占用網(wǎng)格地圖的不完美之處，”de Souza說(shuō)。“這些缺陷有幾個(gè)原因。例如，當(dāng)動(dòng)態(tài)物體穿過(guò)地圖的單元格時(shí)，它們的占用概率會(huì)提高。由于自動(dòng)駕駛汽車(chē)的運(yùn)動(dòng)，這些細(xì)胞可能不再被觀察到，導(dǎo)致沒(méi)有刪除的地圖。“

Souza解釋說(shuō)，由于自然傳感器錯(cuò)誤，當(dāng)檢測(cè)到錯(cuò)誤障礙時(shí)也會(huì)發(fā)生同樣的問(wèn)題。如果再次觀察不到細(xì)胞，無(wú)論是因?yàn)闄C(jī)器人正在移動(dòng)還是因?yàn)檫@些細(xì)胞位于感覺(jué)盲點(diǎn)內(nèi)，都不會(huì)糾正占用概率。

使用反映人類(lèi)記憶過(guò)程的策略，地圖衰減有效地消除了這些不完美之處。就像人類(lèi)的大腦一樣，它會(huì)釋放不再需要的信息，并通過(guò)填充長(zhǎng)期知識(shí)來(lái)理解不完整的感官數(shù)據(jù)，這些知識(shí)存儲(chǔ)在精確的離線(xiàn)地圖中。

“我們總是嘗試對(duì)問(wèn)題實(shí)施最先進(jìn)的解決方案，然后嘗試使用神經(jīng)網(wǎng)絡(luò)重新實(shí)現(xiàn)它，這是我們首選的模擬大腦的范例，”De Souza說(shuō)。“作為未來(lái)的工作，我們將研究如何使用深度神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)整個(gè)映射過(guò)程，包括地圖衰減。”