罗兰·西格沃特研究自主移动机器人

路加福音Muehlhauser: 2004年你与人合著自主移动机器人简介它提供了关于自主移动机器人的许多基本任务的教程:运动、运动学、感知、定位、导航和规划。

在您看来，将这些功能“粘合”在一起的最常见方法是什么?例如，大多数自主移动机器人是使用代理架构设计的，还是其他类型的架构?

罗兰Siegwart移动机器人是非常复杂的系统，必须在真实世界的环境中运行，必须根据不金宝博官方确定的和仅部分可用的信息作出决定。为了做到这一点，机器人的运动、感知和导航系统必须最好地适应环境和应用设置。金宝博官方所以机器人首先是一项需要广泛知识和创造力的系统工程任务。金宝博官方错误选择的传感器设置不能被控制算法补偿。在我看来，对于移动机器人的自主决策，唯一被证明的概念是高斯过程和贝叶斯滤波器。它们允许以一致的方式处理不确定和不完整的信息，并使学习成为可能。高斯过程和贝叶斯滤波器可以建模大量的估计和决策过程，可以以不同的形式实现，例如众所周知的卡尔曼滤波估计器。

大多数移动机器人使用某种代理架构。然而，这不是移动机器人的关键问题，而是并行运行多个任务的系统的实现问题。金宝博官方主要的感知、导航和控制算法必须以某种可预测和一致的方式适应未知情况。因此，算法和导航概念也应该允许机器人工程师从实验中学习。这只有在导航、控制和决策不是以黑盒方式实现的情况下才有可能，而是在基于模型的方法中充分利用先验知识和系统模型。金宝博官方

路加福音:所以你是说胶水持有共同的感知、导航和控制算法通常是一个代理架构,这很大程度上是因为你需要整合这些功能在一个基于模型的方式,可以揭示工程师的错误(早期的实验)和如何提高吗?还是你在说别的?

罗兰你的理解只是部分正确。是的，大多数机器人系统使用某种代金宝博官方理架构，因为它是实现独立并行任务的最明显的概念，例如机器人定位和安全停止使用缓冲器信号。然而，我并不认为代理架构是机器人领域的主要问题或主要粘合剂。设计和实现自主机器人的关键是机器人工程师对所有关键要素及其相互作用的基本理解。此外，高斯过程和贝叶斯滤波是目前最有前途的自主导航方法，特别是同时定位和地图。

路加福音:随着机器人系统变得越来越金宝博官方通用和强大，你认为技术上的转变将是必要的吗?例如，15年后，你认为高斯过程和贝叶斯滤波器会在机器人领域占据更大的主导地位吗?或者你认为理性的代理架构会上升，或者你认为混合系统控制会取而代之，或者其他什么?金宝博官方(疯狂的投机是允许的;我知道你不是水晶球!)

罗兰:我认为高斯过程和贝叶斯过滤器是创建理性代理的最强大的工具。他们能够学习相关性和模型，并对情况和未来目标进行推理。与基于行为的方法相比，基于模型的方法将获得更大的重要性。然而，可能永远不会有单一的统一方法来创建智能代理。

机器人是一门将传感、驱动和智能控制以最具创意和最优方式结合在一起的艺术。

路加福音:与基于行为的方法相比，您为什么期望基于模型的方法获得重要性?

罗兰为了做出“明智的”决定和计划行动，机器人必须能够预测其决定和行动可能产生的反应。这只能通过模型来实现，而模型是预测的基础。此外，无监督学习还需要模型，使机器人系统能够从经验中学习。金宝博官方模型使机器人能够归纳经验，这是基于行为的方法不可能实现的。

路加福音从您的角度来看，在过去的5年里，基于模型的自主机器人方法中最有趣的工作是什么?

罗兰我认为机器人领域最突出的基于模型的方法是SLAM(同步定位和地图绘制)，这可以被认为是很好的解决方法。

由于高斯过程和贝叶斯滤波器的一致应用，以及适当的误差建模，SLAM如今在不同的传感器(激光、视觉)以及轮式和飞行平台上都是可行的。

牛津大学、悉尼大学、麻省理工学院、ETH等地的团队已经证明了具有相当大的动态、闪电条件的变化和回路关闭的大规模地图。

另一个通过模型基方法取得很大进展的机器人领域是复杂操作任务的模仿学习。通过将人类手臂和机器人操作手的物理模型与概率过程相结合，各种操作任务的学习已经被USC、DLR、KIT、EPFL和许多其他地方的小组证明。

路加福音:谢谢,罗兰!