这款具备社会意识的机器人可能是迈向可行的现实服务机器人的重大一步，这也是为什么福特汽车公司和其他汽车制造商会资助这项研究的原因。

继法国图卢兹大学的机器人团队设计出一款能够在人群中正常行走的机器人之后，麻省理工学院的团队也把研究的目光投向了机器人的简单穿行与避让。

这款机器人可以使用环境感知导航系统来实现自主穿行。换句话说，就像司机会遵守道路规则一样，这些机器人也可以下意识地遵守那些约定俗成的交通规范，判断行人的步行速度，和我们在共同的空间中一起移动。

环境感知导航系统是支持移动机器人在需要与行人进行频繁互动的环境中运行的中心功能。这样的话，小型机器人可以在人行道上进行包装和送货。类似地，个人移动设备可以在诸如购物中心、机场、医院等人群密集场所运输人员。团队负责人YuFanStevenChen介绍说。

团队成员之一MichaelEverett和他的同事在麻省理工学院Stata中心繁忙的大厅里测试了机器人的运行情况。结果发现，这个形似几英尺高的移动售货亭的机器人一次能自主驾驶20分钟，并随着人流平稳地移动。

测试时，诸如向右走、向左转、找到合适的位置停靠或者改变路线以避免迎面而来的障碍等一系列动作都很流畅，与行人没有任何碰撞。

只是因为在人行道上多看一眼，你摔倒了，这款机器人依然稳稳的

图片来源：AerospaceControlsLabMIT

那么MIT的团队是如何设计以及训练这款机器人的呢？

为了让机器人在一个交通繁忙的环境中实现自主运行，必须解决四个关键问题：定位（知道自己在哪里）、感知（识别周围环境）、运动规划（给定目的地并确定最佳路径）和控制（执行选定的路径）。

MIT的研究团队采用了标准方法来解决机器人的定位、感知以及控制问题。他们使用开源算法来映射周围环境并确定机器人的位置；配备多个传感器来进行视觉输入与环境感知，KUKA机器人示教器维修，如网络摄像头、深度传感器和高分辨率激光雷达传感器。为了控制机器人，他们采用了与自动驾驶汽车同样的驱动系统。

而运动规划这一环节则被团队视为当前研究移动机器人在人群中穿行最需要创新的领域。一旦机器人弄清楚他的位置，并且也知道跟踪行人运动轨迹的方法，紧接着要解决的问题就是他应该遵循哪些轨迹？Everett说。

这确实是一个棘手的问题，特别是在行人较多的环境中，单个路径通常难以预测。业内的解决方案也有很多种，比如一个方法是让机器人基于轨迹来选择路径。研究人员设计一段程序来让机器人实时判断行人下一步的运动轨迹。

但这需要机器人不停地计算。Everett说：机器人正停下来在想下一步该怎么走时，行人自己已经开始移动了。

另一个方法是让机器人基于行人的反应来选择路径。研究人员使用几何或物理学的简单模型来给机器人编程，以快速计算避免碰撞的路径。

但这种方法存在的最大问题是人往往是不可预测的。人们很少一直按照几何路线行走，更多时候是漫游式的，路边顺便向朋友打个招呼或者喝个咖啡。在这样一个不可预知的环境中，机器人往往会与人相撞，或者被人甩到一边。

针对这些限制，MIT团队找到的方法是强化学习，研究人员通过计算机模拟离线的训练场景，给定其他对象在环境中的速度和轨迹，库卡机器人驱动器维修，让机器人进行仿真训练。当机器人识别出现实世界中的类似场景时，www.zr-kuka.com，研究人员可以对其进行编程，让机器人选择在模拟训练中确定的最佳路径。该团队还将交通规范纳入了离线训练阶段，当机器人走错时还会对他进行惩罚。

当然，在一个人流密集的交通环境中，机器人的反应速度也得非常快。该团队能让机器人每隔十分之一秒就评估其周围环境并调整路径。这样的话，机器人可以以每秒1.2米的典型步行速度行进，不会暂停下来重新对自己的路线进行编程。

我们希望它能够自然而然地加入步行的行列，预测行人的行为并且与其他人一样

遵循规则，Everett说。

在谈到未来的研究计划时，该团队希望能将这款机器人的应用场景拓展到人们日常生活中的某个地方，比如去上课、去吃饭。团队还计划探索机器人在行人环境中如何处理人群而非单个的行人。人群与个人有着不同的动态，如果你看到五个人走在一起，你可能必须学习完全不同的东西。这是我们下一步想要研究的问题。