最后一公里的配送可以交給機器人來完成嗎？
可以，但機器人要怎么找到正確的門還是一個問題。
一般來說，機器人導航需要我們?yōu)樗崆袄L制一個區(qū)域地圖，用算法引導機器人朝向地圖上的特定目標或 GPS 坐標前進。這種方法在探索一個建筑布局或規(guī)劃障礙賽道時是有意義的。但在最后一英里的交付環(huán)境中，這種辦法可能變得「很笨」。想象一下，你在商場里用導航的效果是不是就不如開口問。
麻省理工學院新聞辦公室的 Jennifer Chu 也表示：「如果我們要提前繪制機器人送貨區(qū)域內(nèi)的每一個社區(qū)，包括該社區(qū)內(nèi)每棟房子的配置，以及每棟房子前門的具體坐標。這樣的繪制任務很難擴展到整個城市，尤其是房屋的外觀經(jīng)常隨著季節(jié)的變化而變化。」
而在成本高，操作難度大之外，把每戶人家的坐標都傳到系統(tǒng)上也會讓人憂心自己的隱私問題。與其用這個方法，快遞物流企業(yè)估計更愿意多雇傭幾個快遞員。
我們可以開口問，但機器人沒法開口，只能看。
來自麻省理工和福特汽車的一組工程師現(xiàn)在就在訓練機器人不用地圖，通過線索去「找」門。
麻省理工學院機械工程系的研究生 Michael Everett 就表示，不同區(qū)域的布局是不同的，但也會有些共同點?！讣词挂粋€機器人把包裹送到一個它從未到過的地方，也可能會發(fā)現(xiàn)一些線索，與它在其他地方看到的一樣。」
線索可能是前門、車庫、車道等「路標」。機器人經(jīng)過訓練后，很可能知道一條車道常通向一條人行道，而這條人行道一般會通向家門口。
在不依賴地圖的情況下，這項技術(shù)可以極大地減少機器人在識別目標時探索地形的時間。你不再需要為機器人繪制一張高精度的地圖，只需要把它放在一條車道上，讓它自己去尋找那扇門。
近年來，研究人員始終致力于將自然的語義引入機器人系統(tǒng)之中。
訓練機器人通過語義標簽識別物體，它就可以把一扇門當作一扇門，而不是簡單地把它當作一個矩形障礙物。
這個技術(shù)的出色之處在于，我們成功地讓機器人感知了周圍的事物。
語義從現(xiàn)有的視覺數(shù)據(jù)中提取了特征的算法，以上下文的形式用語義線索生成了同場景的新地圖。這種算法稱為語義 SLAM（同步定位和映射）。
研究人員把這個算法應用到衛(wèi)星圖像上，就可以把這張包含了一個城市和三個郊區(qū)社區(qū) 77 戶人家的地圖依據(jù)圖中較亮的區(qū)域，繪制出最有效的路徑。對每一幅衛(wèi)星圖像，研究員 Everett 都會給典型的前院環(huán)境特征賦予語義標簽和顏色，前門是灰色的，車道是藍色的，樹籬是綠色的。
在這個訓練過程中，研究團隊給每張圖像都進行了遮罩處理，模擬機器人穿過院子時可能會出現(xiàn)的局部視角。
傳統(tǒng)算法不考慮周圍語義，探索了很多不大可能接近目標的區(qū)域。而使用新算法，機器人找到前門的速度比傳統(tǒng)的導航算法快了 189%
未來，機器人或許可以自己做出決定，確定通往目的地的最佳路徑。
