新的ML框架可以使机器人在人群中更安全

机器人将很快在“现实世界”中四处走动。它们不会被限制在仓库或工厂的关门之后，它们将在我们周围的世界中运作并与之互动，在城镇中打车或发送邮件。

埃森哲表示，随着波士顿动力公司和亚马逊机器人公司等组织正在迅速取得新的技术进步，61%的高管希望他们的组织在未来两年内在不受控制的环境中使用机器人技术。

尽管这些机器能够轻松地执行传统上以前由人们执行的角色的功能，但问号仍然笼罩着他们天生缺乏本能，即人类一生中缺乏相对大量的情景数据，潜意识中使我们能够感觉到道路上的危险动作或即将踏上我们面前的人。

在机器人和自动驾驶汽车中提高安全性仍然是其部署的主要挑战之一。开发能够在现实世界中安全运行的系统需要测试轨道，受控路试，以及数以千计的时间，专门用于以数据为导向的场景建模以及创建复杂的，不可预测的虚拟环境。

但是所有的测试和建模并不能为每种情况做好准备。

斯坦福大学和丰田研究所(TRI)的研究人员已经开发了一个有助于预防事故的框架，因为自动驾驶汽车和机器人系统越来越多地在拥挤的环境中运行和交互。正如Tech Xplore报道的那样，该框架结合了两个工具，机器学习算法和实现风险敏感控制的技术。

“我们的主要目标是要牢记这些人未来的意图，使无人驾驶汽车和其他机器人在人(驾驶员，行人，骑自行车的人)中安全地操作，”西村春树和鲍里斯·伊万诺维奇该论文的主要作者告诉出版物。

机器学习模型经过训练可以预测机器人在周围环境中的未来行为，而算法则可以根据给定时间机器人的每个潜在行为来估计发生碰撞的风险。然后可以选择最佳操作方式，从而将机器在执行任务时与人，汽车或障碍物发生碰撞的风险降到最低。