本文回顧了阿波羅任務、火星科學實驗室(MSL)和火星2020(M2020)任務中人類專家如何利用自適應決策制定來解決行星移動挑戰。
阿波羅任務中,宇航員能夠根據意外事件靈活調整移動計劃,如避開未知的障礙物、根據經驗調整駕駛方式等。這些能力體現了長距離自主移動所需的關鍵能力。
在MSL和M2020任務中,人類操作員需要利用專業判斷來評估局部地形的可通行性,並制定安全的移動計劃。他們還會根據過去的經驗調整整體移動路線,如避開可能造成輪胎損壞的區域。
基於這些經驗,本文提出了兩個提升自主長距離移動自適應能力的方向:
從過去經驗中自主學習:自主移動算法應能夠根據過去的移動表現,自主學習和更新對環境的理解,而不依賴人工標注的背景知識。這需要能夠將移動表現與可觀測的全局環境特徵相關聯。
利用隨機rover-地形交互模型:現有算法大多將可通行性表示為確定性的,但行星表面存在大量不確定因素。利用隨機模型可以更好地表達移動的不確定性,並制定相應的自適應決策策略。這需要更全面的隨機干擾建模,以及基於風險的安全定義和決策機制。
總的來說,提升自主長距離移動的自適應能力是一個多方面的挑戰,需要從硬件到算法各個層面的創新。本文僅探討了其中的部分問題,還有很多值得進一步研究的方向,如可解釋性自適應、靈活的移動硬件設計等。
翻譯成其他語言
從原文內容
arxiv.org
深入探究