過(guò)去的項(xiàng)目和研究表明，深度學(xué)習(xí)是訓(xùn)練機(jī)器人做特定事情的有效技術(shù)。例如我們已經(jīng)看到OpenAI使用神經(jīng)網(wǎng)絡(luò)訓(xùn)練Dactyl來(lái)解魔方，以及一種稱為6-DoF GraspNet的算法，該算法可以幫助機(jī)器人拾取任意對(duì)象。現(xiàn)在加州大學(xué)伯克利分校的研究人員創(chuàng)建了伯克利自動(dòng)駕駛地面機(jī)器人(BADGR)。

BADGR是使用自我監(jiān)督數(shù)據(jù)訓(xùn)練的端到端自主機(jī)器人。與大多數(shù)傳統(tǒng)的依靠幾何數(shù)據(jù)來(lái)規(guī)劃無(wú)碰撞路徑的傳統(tǒng)機(jī)器人不同，BADGR依靠“經(jīng)驗(yàn)”來(lái)穿越地形。

BADGR的核心是Nvidia Jetson TX2，它處理車載攝像頭，六自由度慣性測(cè)量單位傳感器，2D LIDAR傳感器和GPS系統(tǒng)。具體來(lái)說(shuō)，BADGR擁有一個(gè)人工神經(jīng)網(wǎng)絡(luò)，由實(shí)時(shí)相機(jī)傳感器的觀測(cè)結(jié)果和一系列未來(lái)計(jì)劃的行動(dòng)提供反饋。

然后，神經(jīng)網(wǎng)絡(luò)會(huì)預(yù)測(cè)到達(dá)目標(biāo)的最佳可能路徑。與將路徑遍歷視為幾何問(wèn)題的傳統(tǒng)方法相比，此方法具有一個(gè)主要優(yōu)勢(shì)：傳統(tǒng)技術(shù)可以避開(kāi)路徑中的高草，而B(niǎo)ADGR可以在其中導(dǎo)航。此外，這使BADGR在收集更多數(shù)據(jù)時(shí)得以改善。研究人員指出：

BADGR背后的關(guān)鍵見(jiàn)解是，通過(guò)直接從現(xiàn)實(shí)世界中的經(jīng)驗(yàn)中自主學(xué)習(xí)，BADGR可以了解導(dǎo)航能力，隨著收集更多數(shù)據(jù)而不斷改進(jìn)，并推廣到看不見(jiàn)的環(huán)境。

研究團(tuán)隊(duì)表示BADGR的成功提出了一些問(wèn)題。主要是，機(jī)器人將如何在看不見(jiàn)的甚至是敵對(duì)的環(huán)境中安全地收集數(shù)據(jù)?BADGR將如何適應(yīng)有生命障礙(例如步行的人)的動(dòng)態(tài)環(huán)境?

相關(guān)論文已發(fā)表在arXiv上。研究人員還在BADGR的GitHub存儲(chǔ)庫(kù)中發(fā)布了其研究成果。