位于巴西的Universidade FederaldoEspíritoSanto(UFES)Universidade FederaldoAlpéDesempenho(LCAD)的研究人員已經設計出一種新的策略，通過糾正傳感器無法觀察到的地圖單元的無效占用概率來糾正占用網格圖中的缺陷。這種被稱為地圖衰變的新技術受到人腦記憶結構的當前經驗知識的啟發。

“我們LCAD研究團隊的長期目標是了解人類的大腦是如何工作的，”進行這項研究的研究人員之一Alberto Ferreira De Souza告訴TechXplore。“我知道，這是一個非常雄心勃勃的目標，所以為了解決這個問題，我們做了科學上常見的事情。也就是說，我們設想將大腦理解為一系列里程碑，并從第一個開始。在我們的案例中。 ，它是嘗試和理解視覺認知，我們使用我們的視覺來理解世界和世界觀的能力。“

這個雄心勃勃的研究項目大約在15年前開始，最初使用靜態圖像，然后使用移動機器人上的相機拍攝的動態圖像。后來，研究人員開始研究自動駕駛汽車并最終建造了自己的汽車，名為IARA(智能自主機器人汽車)。

“在這項工作中，我們在大腦中尋找靈感來提出改進現有算法，這些算法涉及自動駕駛汽車的地圖處理，”De Souza說。“大腦及其功能是從認知心理學的角度進行分析的;尤其是與記憶有關的不同程度的認知過程：感覺記憶，短期記憶(或工作記憶)和長期記憶。”

人類能夠將信息存儲在他們的記憶中并在需要時回憶它。這種基本能力使物理程序的執行和長期目標的實現成為可能。然而，與記憶過去的事物一樣重要的是忘記無關信息的能力，將注意力集中在有助于解決當前任務或問題的事物上。

“我們分析了被認為存在于人類大腦中的視覺記憶體系結構與在自動駕駛汽車中構建地圖的過程之間的相似性，”De Souza說。“受這些相似之處的啟發，我們提出了一種新的策略，用于從占用網格圖中消除在線噪聲，我們將其稱為地圖衰減。”

地圖衰減的工作原理是將運行時(即系統在線時)獲得的感官信息與離線構建的高精度地圖中的先前數據合并。根據傳感器是否觀察到地圖單元來強調在線或離線數據。

“使用傳統的占用網格映射技術更新了傳感器觀測到的細胞，”De Souza解釋道。“調整未觀察到的細胞，使其占用概率趨于離線地圖中的值。這種調整的效果是地圖的不可觀測區域中在線信息的明顯衰落或衰減，同時高精度保留離線信息。“

這種策略背后的想法是，關于不可觀察的地圖單元的最精確的可用信息是在高精度離線地圖中找到的值。UFES已將地圖衰減應用于其IARA自動駕駛汽車，初步測試產生了非常有希望的結果。

“地圖衰減消除了在線占用網格地圖的不完美之處，”de Souza說。“這些缺陷有幾個原因。例如，當動態物體穿過地圖的單元格時，它們的占用概率會提高。由于自動駕駛汽車的運動，這些細胞可能不再被觀察到，導致沒有刪除的地圖。“

Souza解釋說，由于自然傳感器錯誤，當檢測到錯誤障礙時也會發生同樣的問題。如果再次觀察不到細胞，無論是因為機器人正在移動還是因為這些細胞位于感覺盲點內，都不會糾正占用概率。

使用反映人類記憶過程的策略，地圖衰減有效地消除了這些不完美之處。就像人類的大腦一樣，它會釋放不再需要的信息，并通過填充長期知識來理解不完整的感官數據，這些知識存儲在精確的離線地圖中。

“我們總是嘗試對問題實施最先進的解決方案，然后嘗試使用神經網絡重新實現它，這是我們首選的模擬大腦的范例，”De Souza說。“作為未來的工作，我們將研究如何使用深度神經網絡實現整個映射過程，包括地圖衰減。”