به گزارش ایسنا و به نقل از اکونومیک تایمز، در آزمایشات انجام شده این ربات با موفقیت توانست در حالی‌که جریان حرکت خود را با عابران پیاده حفظ می‌کند، از برخورد با موانع دوری کند.
"یو فان (استیون) چن" که رهبری این پروژه را بر عهده دارد، اظهار کرد: "ناوبری اجتماعی آگاهانه یک قابلیت مرکزی برای ربات‌ها بوده که در محیط هایی که نیاز به تعامل مکرر با عابران پیاده دارند، مورد نیاز است."
برای اینکه یک ربات بتواند مسیر خود را در محیطی شلوغ پیدا کند، باید چهار چالش اصلی را حل کند؛ محلی‌سازی localisation (دانستن اینکه در کجا قرار دارد)، ادراک perception (شناخت محیط اطراف آن)، برنامه‌ریزی برای حرکت motion planning (شناسایی مسیر مطلوب برای رسیدن به مقصد) و کنترل control (از نظر فیزیکی مسیر مورد نظر خود را دنبال می‌کند).
در این پروژه "چن" و همکارانش از رویکردهای استاندارد برای حل مشکلات محلی‌سازی و ادراک استفاده کردند.
آنها برای حل مشکل دوم، ربات را با سنسورهایی مانند وب کم، حسگر عمق و سنسور لیدار با رزولوشن بالا تجهیز کرده‌اند.
این مهندسان برای حل مسئله محلی‌سازی، از الگوریتم‌هایی استفاده کردند تا محیط ربات و موقعیت آن را تعیین کنند. آنها همچنین برای کنترل ربات، از روش‌های استاندارد مورد استفاده برای به حرکت در آوردن وسایل نقلیه مستقل زمینی بهره گرفتند.
مهندسان برای برنامه‌ریزی حرکت ربات، از یادگیری تقویتی، یک نوع روش یادگیری ماشینی استفاده کردند که در آن از شبیه‌سازی کامپیوتری برای آموزش ربات در جهت حرکت در مسیرهای خاص، با توجه به سرعت و مسیر سایر اشیاء در محیط، بهره گرفته می‌شود.
این تیم همچنین هنجارهای اجتماعی را در مرحله آفلاین آموزش داده که در آن ربات با انجام دادن حرکات خطا دچار مجازات می‌شد.
گام بعدی این محققان آزمایش این ربات و سیستم ناوبری جدید در محیط‌هایی است که حجم شلوغی و جمعیت بسیار زیادتر باشد.
