這款具備社會意識的機器人可能是邁向可行的現實服務機器人的重大一步，這也是為什么福特汽車公司和其他汽車制造商會資助這項研究的原因。
繼法國圖盧茲大學的機器人團隊設計出一款能夠在人群中正常行走的機器人之后，麻省理工學院的團隊也把研究的目光投向了機器人的簡單穿行與避讓。
這款機器人可以使用環境感知導航系統來實現自主穿行。換句話說，就像司機會遵守道路規則一樣，這些機器人也可以下意識地遵守那些約定俗成的交通規范，判斷行人的步行速度，和我們在共同的空間中一起移動。
環境感知導航系統是支持移動機器人在需要與行人進行頻繁互動的環境中運行的中心功能。這樣的話，小型機器人可以在人行道上進行包裝和送貨。類似地，個人移動設備可以在諸如購物中心、機場、醫院等人群密集場所運輸人員。團隊負責人YuFanStevenChen介紹說。
團隊成員之一MichaelEverett和他的同事在麻省理工學院Stata中心繁忙的大廳里測試了機器人的運行情況。結果發現，這個形似幾英尺高的移動售貨亭的機器人一次能自主駕駛20分鐘，并隨著人流平穩地移動。
測試時，諸如向右走、向左轉、找到合適的位置�？炕蛘吒淖兟肪�以避免迎面而來的障礙等一系列動作都很流暢，與行人沒有任何碰撞。
只是因為在人行道上多看一眼，你摔倒了，這款機器人依然穩穩的
圖片來源：AerospaceControlsLabMIT
那么MIT的團隊是如何設計以及訓練這款機器人的呢？
為了讓機器人在一個交通繁忙的環境中實現自主運行，必須解決四個關鍵問題：定位（知道自己在哪里）、感知（識別周圍環境）、運動規劃（給定目的地并確定最佳路徑）和控制（執行選定的路徑）。
MIT的研究團隊采用了標準方法來解決機器人的定位、感知以及控制問題。他們使用開源算法來映射周圍環境并確定機器人的位置；配備多個傳感器來進行視覺輸入與環境感知，KUKA機器人示教器維修，如網絡攝像頭、深度傳感器和高分辨率激光雷達傳感器。為了控制機器人，他們采用了與自動駕駛汽車同樣的驅動系統。
而運動規劃這一環節則被團隊視為當前研究移動機器人在人群中穿行最需要創新的領域。一旦機器人弄清楚他的位置，并且也知道跟蹤行人運動軌跡的方法，緊接著要解決的問題就是他應該遵循哪些軌跡？Everett說。
這確實是一個棘手的問題，特別是在行人較多的環境中，單個路徑通常難以預測。業內的解決方案也有很多種，比如一個方法是讓機器人基于軌跡來選擇路徑。研究人員設計一段程序來讓機器人實時判斷行人下一步的運動軌跡。
但這需要機器人不停地計算。Everett說：機器人正停下來在想下一步該怎么走時，行人自己已經開始移動了。
另一個方法是讓機器人基于行人的反應來選擇路徑。研究人員使用幾何或物理學的簡單模型來給機器人編程，以快速計算避免碰撞的路徑。
但這種方法存在的最大問題是人往往是不可預測的。人們很少一直按照幾何路線行走，更多時候是漫游式的，路邊順便向朋友打個招呼或者喝個咖啡。在這樣一個不可預知的環境中，機器人往往會與人相撞，或者被人甩到一邊。
針對這些限制，MIT團隊找到的方法是強化學習，研究人員通過計算機模擬離線的訓練場景，給定其他對象在環境中的速度和軌跡，庫卡機器人驅動器維修，讓機器人進行仿真訓練。當機器人識別出現實世界中的類似場景時，m.haojoj.com，研究人員可以對其進行編程，讓機器人選擇在模擬訓練中確定的最佳路徑。該團隊還將交通規范納入了離線訓練階段，當機器人走錯時還會對他進行懲罰。
當然，在一個人流密集的交通環境中，機器人的反應速度也得非常快。該團隊能讓機器人每隔十分之一秒就評估其周圍環境并調整路徑。這樣的話，機器人可以以每秒1.2米的典型步行速度行進，不會暫停下來重新對自己的路線進行編程。
我們希望它能夠自然而然地加入步行的行列，預測行人的行為并且與其他人一樣
遵循規則，Everett說。
在談到未來的研究計劃時，該團隊希望能將這款機器人的應用場景拓展到人們日常生活中的某個地方，比如去上課、去吃飯。團隊還計劃探索機器人在行人環境中如何處理人群而非單個的行人。人群與個人有著不同的動態，如果你看到五個人走在一起，你可能必須學習完全不同的東西。這是我們下一步想要研究的問題。