为了保持安全，机器人通常被用于触及人手无法触及的地方。机器人经常被用来从废墟中发现遇难者，或将他们安全送到岸边。这些援助之手甚至可以到达远远超出我们自己的世界——外太空。

德州农工大学计算机科学与工程系教授宋德珍博士正在与美国宇航局的约翰逊航天中心合作开发一种定位和测绘算法，用于宇航员机器人(Robonaut)，以更好地利用机组人员的时间，并代替人类执行危险的任务。

为了利用为人类宇航员开发的所有工具和设施，该团队正在共同努力，打造一个拥有手臂和手等类似身体结构的类人机器人。由于缺乏GPS信号，目前的Robonaut原型机无法在国际空间站(ISS)进行定位。

Robonaut执行的大多数任务都局限在机器人附近。为了实现更多的功能，比如在国际空间站内运输物品或进行面板维护，机器人需要在空间站内四处移动。这也意味着它必须建立一个访问区域的心理地图，并在这个过程中本地化自己。在机器人领域，这被称为同步定位和映射(SLAM)。

“SLAM是机器人感知能力的一部分，”宋说。“我们的研究是试图给机器人带来更好、更准确的信息，以促进其决策过程，从而开发出更多智能机器人，用于不同的应用。如果成功，我们可以显著提高机器人处理不同环境的能力，这将对制造、日常生活、国防和许多其他领域产生重大影响，这些领域可以受益于移动机器人不断增强的能力。”

在过去，可靠、低成本的SLAM能力一直是许多机器人应用的障碍。与激光测距仪相比，相机是一种低成本的传感器，但使用相机的缺点是照明和计算立体信息的基线限制。

由于相机测量的是方位而不是绝对尺寸，所以很难测量距离。

解决这一问题的一个方法便是使用两个或更多带有已知基线的摄像机去提供距离参考;这就是立体视觉。然而，两个摄像头视野之间的联合覆盖区域太有限，不能直接使用。因此，在这个过程中，Robonaut的头部会被左右激活。这将允许它扫描周围的环境，以扩大视野。通过使用颈部编码器读数，该团队可以跟踪机器人头部的扫描运动。

机器人身上安装了一个惯性测量单元(IMU)，用于传递人体运动信息。当机器人在移动时，IMU还有助于建立视图对应关系。本研究项目的主要挑战在于，如何结合多摄像头视角和其他具有不同、不确定特征的传感器来提供鲁棒的SLAM结果。

对这些发展的兴趣超出了太空和航空工业，并进入一个更接地气的领域。

宋说:“他们有兴趣使用我们的基于运动传感器的技术来检测铁路状况，以更好和低成本的铁路维护。”

该项目首次出现在2005年，当时该集团在为国防高级研究计划署大挑战开发自动摩托车时，为车辆开发了SLAM算法。

除了与NASA的合作，该团队还与业界人士和德州农工大学(Texas A&M)的教员合作，研究Robonaut。他们正在与计算机科学与工程系教授蒂姆·戴维斯博士(Tim Davis)合作，利用稀疏矩阵改进视觉SLAM优化算法，与电子与计算机工程系副教授邹军博士(Jun Zou)合作，开发一种用于水下机器人的测距和通信传感器新系列。

---

了下:航空+国防

---