Роботы встретят вас на вокзале и не дадут заблудиться в толпе

Исследователи Берлинского университета разработали виртуальную модель робота-проводника, который может в людных местах — аэропортах, вокзалах или торговых центрах — проводить человека до нужного места, поднести вещи и при этом никого не сбить. Модель успешно предсказывает поведение и движение людей в толпе, чтобы с ними не столкнуться.
Роботы встретят вас на вокзале и не дадут заблудиться в толпе
Timon Studler @derstudi https://unsplash.com/

Роботы помогут нам не заблудиться в толпе, еще и вещи поднесут

Создание мобильного робота, способного направлять человека или следовать за ним, помогая донести вещи, в людных местах, таких как аэропорты, вокзалы или торговые центры, остается на сегодня открытой проблемой. В таких условиях робот должен не только разумно взаимодействовать с человеком, но и безопасно перемещаться среди толпы.

РЕКЛАМА – ПРОДОЛЖЕНИЕ НИЖЕ

Исследователи из Берлинского технологического института представили новую модель, основанную на глубоком обучении с подкреплением, которая поможет мобильным роботам решать задачу сопровождения.

При обучении модели исследователи дополняли возможности компьютерного зрения семантической информацией о состояниях и поведении пользователей-людей: люди останавливаются, разговаривают, вдруг начинают спешить и переходят на бег, то есть ведут себя довольно хаотично. Обработка такой информации позволяет модели принимать оптимальные решения, двигаясь вместе с человеком в одинаковом темпе, не сталкиваясь с другими людьми и отходя препятствия.

Робот-проводник
Робот-проводник
РЕКЛАМА – ПРОДОЛЖЕНИЕ НИЖЕ
РЕКЛАМА – ПРОДОЛЖЕНИЕ НИЖЕ

Виртуальный агент готов к реальному тестированию

Чтобы проверить эффективность своей модели, исследователи провели серию тестов с использованием среды 2D-моделирования. Результаты этих испытаний многообещающие: виртуальный агент в модельных сценариях научился направлять людей в нужные места, следовать за ними, регулируя свою скорость, избегать статические препятствия и успешно уклоняться от столкновений с идущими людьми.

Исследователи пишут: «Мы оценивали предложенный нами подход в сравнении с эталонным подходом без семантической информации и продемонстрировали повышенную безопасность и надежность навигации. Более того, мы демонстрируем, что агент учится адаптировать свое поведение к людям, что значительно улучшает взаимодействие человека и робота».

Модель глубокого обучения с подкреплением, разработанная исследователями, показала себя хорошо в симуляциях, поэтому теперь ее эффективность можно проверить с использованием физических роботов в реальных условиях. В будущем эта работа может проложить путь к созданию эффективных роботов-помощников для аэропортов, вокзалов и других многолюдных общественных мест.