现场人工智能如何征服非结构化自治
最大的挑战之一 机器人技术 现在是在非结构化环境中实际的自主操作。 也就是说，在你的机器人以前没有去过的地方以及事情可能不像你的机器人可能喜欢的那样熟悉的地方做有用的事情。 机器人的蓬勃发展依赖于可预测性，这对它们的成功部署地点和方式施加了一些令人厌烦的限制。 但在过去的几年里，这种情况开始发生变化，这在很大程度上要归功于 DARPA 提出的几个关键的机器人挑战。 DARPA 地下挑战 该项目从 2018 年持续到 2021 年，让移动机器人穿过一系列非结构化的地下环境。 而目前正在进行的 美国国防部高级研究计划局赛车手 该项目要求自动驾驶车辆进行长距离越野行驶。 通过这些计划开发了一些极其令人印象深刻的技术，但这些前沿研究与任何实际应用之间始终存在差距。 现在，一群参与这些挑战的人，包括来自 NASA、DARPA 的经验丰富的机器人专家， 谷歌 深心， 亚马逊和 Cruise（仅举几例）正在应用他们所学到的一切，为一家名为“移动机器人”的初创公司实现现实世界中的实际自主性 现场人工智能。 非结构化环境是事物不断变化的地方，这可能会对依赖静态地图的机器人造成严重破坏。 Field AI 中的“field”部分是 Agha 初创公司的独特之处。 运行 Field AI 软件的机器人能够处理非结构化、未绘制地图的环境，而无需依赖先前的模型、GPS 或人工干预。 显然，这种能力曾经（并且现在）引起了 NASA 和 JPL 的兴趣，它们将机器人发送到没有地图、不存在 GPS 且不可能直接人类干预的地方。 但 DARPA SubT 证明，在地球上也可以找到类似的环境。 例如，矿山、天然洞穴和城市地下对于机器人（甚至人类）来说都极具挑战性。 这些只是最极端的例子：需要在建筑物内或野外操作的机器人也面临着类似的挑战，需要了解它们在哪里、要去哪里以及如何在周围的环境中导航。 一辆自动驾驶汽车在没有事先地图、没有 GPS、也没有道路的情况下穿越数公里的沙漠。现场人工智能 尽管机器人在野外作业存在困难，但这仍然是 Field […]