机器人做主动建图这件事儿, 中间卡着一个主要的矛盾点。就是大家都能看出来观测的这个数据一直是有边界的, 没法啥都收到。可是机器呢又必须得去把这个路给选出来。到底下一步该往哪个方向去走, 这是个问题。如果这个方向给押错了话。那么大片的这些区域就很可能被永远地错过了。
01.单目标预测为何容易走���
在传统的学习型主动三维建图方法当中, 系统通常的运作模式是这样的, 它先去预测出一个长期的探索目标, 然后根据这个单一的目标来规划后续的行走路径, 这种操作方式存在很大的问题, 特别是当机器人对于周围未知环境的了解程度还不够的时候, 提前把所有的希望都押注在一个方向上是非常危险的, 模型只能依据自己过往积累的经验来做判断, 一旦遇到陌生的场景, 就非常容易把方向给选错, 从而导致其他同样具有价值的区域被遗漏掉。
研究团队指出, 在部分可观测的条件下, 长期探索的目标分布情况是多模态的, 这意味着对于同一个当前状态来说, 它可能同时对应着多个合理的前进方向。而采用平方误差来进行训练的单目标模型, 它只能输出这些目标位置的均值, 这个输出的位置不一定就是合适的, 甚至还可能直接落在障碍物的区域里面。
02.条件流匹配同时生成多锚点
FAME引入了那种叫做Conditional Flow Matching的机制, 这种做法就是让模型能够根据现在已经构建好的这个地图状态, 从那种随机出来的噪声数据开始出发, 一步一步地生成出来好多个探索锚点, 这些锚点它们在位置上是不同的, 在朝向方面也是有差异的。
这里面的每一个锚点其实都代表了一个未来可能持续去探索的方向, 具体的例子包括了前往左边那个房间里面去, 又或者是继续往走廊的深处去挖掘, 再或者是指向那些目前还没有被覆盖到的局部的区域。
模型只管提出目标候选位置和目标方向。具体的行走路线, 是让路径规划器去算的。路径规划器得拿着障碍物地图来算。这种分工方式的好处是, 一边保留了对多方向探索的可能性，另一边就避免了让模型直接去生成完整路线会带来的复杂性和不稳定性。
03.路径聚类与分层选择机制
系统使用基于A*的路径规划器为每个锚点生成候选路径, 再根据路径终点、几何形状、前段执行行为及绕障拓扑等信息对相似路径进行聚类, 将相近路线归入同一探索模式, 减少重复候选对后续决策的干扰。
FAME并没有在所有路径之间做一次性排序, 而是先在探索模式层面做出选择, 然后再在选中的模式内部比较具体路径的收益、执行风险、成本以及与既有规划的连续性, 这让机器人不必在大量相似候选之间反复切换。
04.跨场景实验验证泛化能力
研究团队完成了在AiMDoom与Matterport3D这两个基准上的系统实验。
当面对AiMDoom的Simple、Normal、Hard、Insane这四个难度级别的时候, FAME方法所得到的最终覆盖率以及AUC指标, 表现均要优于所有其他对比的方法, 并且随着难度的不断升高, 其所展现出的优势也就变得越来越明显。
在Matterport3D这个基于真实室内扫描数据构建出来的基准之上龙南市就业服务平台，FAME的重建完成率已经达到了82.67%这个数字。
模型仅仅是在AiMDoom上进行过训练之后的直接迁移, 然后就被用来进行测试了, 而且在这个过程中, 并没有执行任何所谓的微调操作。这一情况充分地验证了一个事实, 就是这个方法确实具备了应对不同场景并且能够成功进行分布泛化的能力。
05.多路探索背后的想象逻辑
定性对比显示, 在相同场景和起点下, 单目标方法NBP容易沿一个方向持续前进, 这样会忽略旁边的房间或通道, 从而导致部分区域未被充分重建；但是FAME算法同时生成多个方向再择优, 使得机器人有机会覆盖更多原本被遗漏的区域。
团队方面说, FAME这个事儿, 它的核心关键价值, 就在于能够让机器人去基于那些有限的、不够多的观测数据, 去对未来的好多好多种不同的可能性, 进行那个建模的活计, 还得进行那种想象的活计, 而这个思路, 跟世界模型来理解环境, 想象未来, 还有指导行动这样一种范式, 是非常契合的, 是挺配对的, 然后在以后, 会把范围拓展到去对那些还不在眼前的未知场景, 还有各种行动的最终结果, 进行推理的工作和预测的工作。
如果你的那个机器人它只能看得到场景的一小块部分, 那么你觉得你会让它同时去考虑几条路径呢, 欢迎你在评论区那里分享出你的具体思路, 如果认为这个回答是有用的话请点击点赞以及转发动作。
