3问：珩磨机器人感知与建图|麻省理工学院新闻

步行去朋友家或浏览杂货店的过道可能感觉像是简单的任务，但实际上它们需要复杂的功能。这是因为人类能够毫不费力地了解周围的环境，并检测有关模式、物体以及自己在环境中的位置的复杂信息。

如果机器人能够以类似的方式感知环境会怎样？这个问题困扰着麻省理工学院信息与决策系统实验室 (LIDS) 的研究人员卢卡·卡龙 (Luca Carlone) 和乔纳森·豪 (Jonathan How)。 2020 年，Carlone 领导的团队发布了第一个迭代 基梅拉，一个开源库，使单个机器人能够实时构建其环境的三维地图，同时标记视图中的不同对象。去年，Carlone 和 How 的研究小组（火花实验室 和 航空航天控制实验室）介绍 基梅拉多，一个更新的系统，其中多个机器人相互通信以创建统一的地图。 2022年 纸 与该项目相关的今年最近获得了 IEEE 机器人学报 傅敬孙纪念最佳论文奖，颁发给该杂志2022年发表的最佳论文。

Carlone 是 Leonardo 航空航天职业发展副教授，How 是 Richard Cockburn Maclaurin 航空航天教授，向 LIDS 介绍了 Kimera-Multi 以及机器人如何感知环境并与其环境交互的未来。

问： 目前，您的实验室致力于增加可以协同工作的机器人数量，以生成环境的 3D 地图。扩展该系统有哪些潜在优势？

如何： 关键的好处取决于一致性，即机器人可以创建独立的地图，并且该地图是自洽的，但不是全局一致的。我们的目标是让团队拥有一致的世界地图；这是试图在机器人之间形成共识与独立绘制地图的关键区别。

卡隆： 在许多情况下，有一点冗余也是好的。例如，如果我们在搜救任务中部署一个机器人，而该机器人发生了一些事情，它将无法找到幸存者。如果多个机器人同时进行探索，成功的机会就会大得多。扩大机器人团队还意味着任何给定的任务都可以在更短的时间内完成。

问： 您从最近的实验中学到了哪些经验教训，以及在设计这些系统时必须克服的挑战？

卡隆： 最近我们在麻省理工学院校园做了一个大型测绘实验，八个机器人总共走了8公里。这些机器人事先对校园没有任何了解，也没有 GPS。他们的主要任务是估计自己的轨迹并围绕它构建地图。您希望机器人像人类一样了解环境；人类不仅了解障碍物的形状，以便在不撞到障碍物的情况下绕过它们，而且还了解物体是椅子、桌子等。这是语义部分。

有趣的是，当机器人彼此相遇时，它们会交换信息以改善环境地图。例如，如果机器人连接起来，它们就可以利用信息来纠正自己的轨迹。挑战在于，如果你想在机器人之间达成共识，你没有足够的带宽来交换太多数据。我们 2022 年论文的主要贡献之一是部署分布式协议，其中机器人交换有限的信息，但仍然可以就地图的外观达成一致。它们不会来回发送相机图像，而只会交换从传感器数据中提取的特定 3D 坐标和线索。当他们继续交换这些数据时，他们可以形成共识。

现在我们正在构建颜色编码的 3D 网格或地图，其中颜色包含一些语义信息，例如“绿色”对应于草，“洋红色”对应于建筑物。但作为人类，我们对现实有更复杂的理解，并且我们对物体之间的关系有很多先验知识。例如，如果我正在寻找一张床，我会去卧室而不是探索整个房子。如果您开始理解事物之间的复杂关系，您就可以更聪明地了解机器人在环境中可以做什么。我们正在尝试从仅捕获一层语义转向更分层的表示，其中机器人可以理解房间、建筑物和其他概念。

问： Kimera 和类似技术未来可能会带来哪些类型的应用？

如何： 自动驾驶汽车公司正在绘制大量世界地图，并从其所处的环境中学习。如果这些车辆能够相互通信并共享信息，那么他们的终极目标就是能够更快地改进模型和地图。当前的解决方案是个性化的。如果一辆卡车停在你旁边，你就看不到某个方向。另一辆车能否提供您的车辆所没有的视野？这是一个未来主义的想法，因为它需要车辆以新的方式进行通信，并且需要克服隐私问题。但如果我们能够解决这些问题，您可以想象安全状况会得到显着改善，您可以从多个角度访问数据，而不仅仅是您的视野。

卡隆： 这些技术将会有很多应用。之前我提到过搜救。想象一下，您想要探索森林并寻找幸存者，或者在地震后绘制建筑物地图，以帮助急救人员接触被困人员。可以应用这些技术的另一个环境是工厂。目前，工厂中部署的机器人非常僵化。他们遵循地板上的图案，并不能真正理解周围的环境。但如果你考虑未来更加灵活的工厂，机器人将必须与人类合作，并存在于一个结构化程度低得多的环境中。