加州大學伯克利分校的研究人員創(chuàng)建了伯克利自動駕駛地面機器人（BADGR）。BADGR是使用自我監(jiān)督數(shù)據(jù)訓練的端到端自主機器人。與大多數(shù)傳統(tǒng)的依靠幾何數(shù)據(jù)來規(guī)劃無碰撞路徑的傳統(tǒng)機器人不同，BADGR依靠“經(jīng)驗”來導航，不需任何仿真模擬或人工監(jiān)督。

自動駕駛汽車被認為是“移動機器人”的一種，移動機器人導航通常被認為是幾何問題，機器人的目標是感知環(huán)境的幾何形狀以便進行規(guī)劃達到目標的無碰撞路徑。

然而，世界的幾何視圖可能不足以讓車輛完成導航。例如，小型的機器人根據(jù)幾何形狀可能走不出高草叢生的草地，因為草地被識別為不可穿越的物體，因此將無法導航到目的地，小車可能的狀態(tài)為轉(zhuǎn)圈。

加州大學伯克利分校的研究人員創(chuàng)建了伯克利自動駕駛地面機器人（BADGR）。BADGR是使用自我監(jiān)督數(shù)據(jù)訓練的端到端自主機器人。與大多數(shù)傳統(tǒng)的依靠幾何數(shù)據(jù)來規(guī)劃無碰撞路徑的傳統(tǒng)機器人不同，BADGR依靠“經(jīng)驗”來導航，不需任何仿真模擬或人工監(jiān)督。

BADGR的核心是 Nvidia Jetson TX2，它來處理車載攝像頭，六自由度慣性測量單位傳感器，2D LIDAR傳感器和GPS系統(tǒng)。具體來說，BADGR 擁有一個由實時相機傳感器的觀測結(jié)果和一系列未來計劃的行動提供的人工神經(jīng)網(wǎng)絡(luò)，神經(jīng)網(wǎng)絡(luò)會預(yù)測到達目標的最佳可能路徑。

BADGR學習如何通過以下方式導航：1.自主收集數(shù)據(jù)；2.使用自我監(jiān)督自主標記數(shù)據(jù)；3.訓練基于圖像的神經(jīng)網(wǎng)絡(luò)預(yù)測模型。

此方法具有一個主要優(yōu)勢，傳統(tǒng)技術(shù)可以避開路徑中的高草，而BADGR可以在其中導航。此外，這使BADGR在收集更多數(shù)據(jù)時得以改善。研究人員指出：

BADGR背后的關(guān)鍵見解是，通過直接從現(xiàn)實世界中的經(jīng)驗中自主學習，BADGR可以了解導航能力，隨著收集更多數(shù)據(jù)而不斷改進，并推廣到看不見的環(huán)境。

通過進一步實驗表明，這種方法比SLAM或者通過仿真的方法，導航效果更突出。但機器人將如何在看不見的甚至是敵對的環(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）的動態(tài)環(huán)境？還有待進一步解決。