定位绘图技术提升机器人认知能力力量

使得双方可以共同在卫星以及执行空间任务方面进行合作 在近日于意大利罗马召开的机器人学：科学与系统大会上，美国麻省理工学院(MIT)的科研团队展示了如何用同步定位与绘图(SLAM)技术来提高目标识别系统的性能。

SLAM技术能让移动机器人自我定位、绘制出自身所在位置的地图;目标认知系统是未来机器人的关键组成部分，帮助它们操纵身边的物体。新的目标识别系统由MIT机械工程系教授约翰莱奥纳德的团队设计，他们将目前的SLAM技术和目标认知算法结合，只用普通的视频摄像机作外部输入，把不同角度获取的信息融合在一起，使系统性能可媲美特种机器人目标认知系统，而后者需要深度测量和视觉信息。

论文第一作者、MIT计算机科学与工程系研究生苏迪普皮尔莱说，在猜测图像中包含了哪些物体之前，新系统会首先识别两个物体之间的边界，初步分析颜色转变，在此基础上把图像分成多个各自包含某种物体的矩形区域，然后对每个区域内的像素作识别计算。

研究人员指出，传统目标识别系统可能需要对这些矩形区域重画几千次。因为从某个角度来看，两个并排的物体看起来好像是一个，特别是当它们颜色相似的时候。因此系统必须对一些假设进行测试，比如假设它们是一个，或假设它们是分开的。

而SLAM技术生成的图像是三维的，所以在区分近距离物体方面比单一角度分析系统好得多。用SLAM技术来指导图像分割并分区计算，在处理假设时效率更高。更重要的是，SLAM技术能把不同角度图像的分区与目标识别系统关联起来，对各图区作分析，就可能绘出同一物体的不同角度，提高系统识别能力。

目前，该团队正在探索SLAM技术的核心难题环路闭合，即在机器人绘制它所在地地图时，可能发现它以前来过这里比如从不同的门进入同一个房间它要能认出以前到过哪些地方，才能把来自不同角度的地图数据更好地结合在一起。