Skoltech的研究人员已经开发出一种方法，可以使轮式机器人在拥挤的环境中快速、高效、自然地避开障碍物。据《IEEE机器人与自动化通讯》报道，这种新的运动规划器利用了机器学习，可以用于机器人消毒、清点库存和停车。
二维机器人导航，从A点到达B点而不遇到障碍物，是一个经典的任务，自20世纪80年代末以来，已经有许多方法解决了这个问题。现有解决方案的一些问题是，规划者花了很长时间来建立一条路径，有时不能完全做到这一点，或提供了次优轨迹，太长或不平滑——人们本能地将其称为“像机器人一样”移动。此外，现有的一些规划器只适用于具有圆形身体或全向的机器人——可以从静止状态向任意方向行驶。
该研究的第一作者，Skoltech的博士生Mikhail Kurenkov评论道:“我们已经开发了一种规划器，它可以与非圆形和非全向机器人一起工作，优于使用高斯过程和快速探索随机树算法的传统运动规划方法。我们的方法使用了神经场的概念。它还没有被大量应用到运动规划中，至少在2D中没有，而这正是我们正在做的。”
神经场与物理场没有什么不同，但在这种情况下，它们为空间中每个点存储的值是“距离最近的障碍物有多远”或“该点在多大程度上是空的或被障碍物占据”之类的东西。前者在平面设计和动画中得到了应用，而后者实际上是Skoltech创造的新机器人运动规划器所使用的价值。神经领域的最新发展之一是利用机器学习和神经网络来参数化该领域。这就是新的计划员的工作方式。
为了测试它的性能，研究人员将他们的规划器与更传统的解决方案进行了比较:高斯过程运动规划器和快速探索随机树算法。事实证明，基于神经场的方法最终可以构建更短、更平滑的轨迹，需要更少的笨拙转弯。
该测试依赖于一个公开可用的数据集，包含多个场景，包括走廊、停车场和城市网格。这让我们了解了哪些机器人可能会从规划师那里受益:首先，它可以帮助商场里的消毒器、库存柜台和其他服务机器人。城市环境场景也建议机器人停车系统的应用。
