2022-07-26 10:14
[导读]
纽波特，罗德岛——
6 月 21 日，六支海军水下作战中心部纽波特工程师和科学家团队齐聚纽波特海军基地的一个仓库，参加“Spot Robot Warehouse Challenge Innovation Event”的最终竞赛。为期一个月的挑战提供了展示有效结束的机会。端到端机器学习管道。
该流程使团队能够为一些核心问题开发技术解决方案，例如识别和跟踪物品、检测错放物品以及识别仓库环境中丢失或更改的物品。团队在纽波特部门摄影师的协助下收集图像，使用适当的工具进行预处理规划，标记数百张图像，构建/实施正确的机器学习模型架构，验证性能，然后在 Spot 上“在生产中”部署该解决方案，机器狗。
作为波士顿动力公司的产品，Spot 是一款四足机器人，旨在安全、准确、频繁地自动执行日常检查任务和数据采集。海底战 (USW) 平台和有效载荷集成部的工程师 Gary Huntress 和 Eugene Chabot 收购了 Spot，以便纽波特部门的科学家和工程师能够发展他们的自主技能。对于这个挑战，团队使用 Spot 来识别不同大小、形状和视觉特征的物体。
活动组织者指出，美国海军应对许多复杂和动态的环境，从在杂乱的地形中探测地雷到识别我们关键基础设施的变化。海军后勤是提供必要材料以保持舰队执行任务的关键功能的一个例子。
“位于纽波特海军基地的 NAVSEA 后勤司令部仓库是一个复杂而动态的环境，需要大量协调才能完成这一挑战，”Huntress 说。“自治和人工智能为减少劳动力需求和潜在的人为错误提供了新的机会。”
该活动成功地展示了团队在作为人工智能和机器学习基础的算法方面的工作能力。海军水面战中心费城分部 (NSWC PD)、马萨诸塞州洛厄尔大学和布朗大学的支持——他们都带着自己的 Spot 机器人应对挑战——提供了纽波特分部科学和技术社区之外的合作。在某个时候，作战中心团队将合作探索利用共同优势的想法。NSWC PD 将使用其先进的自治作为传感平台，而 Division Newport 将通过适合在其 Spot 上部署的 docker 容器提供机器学习分类器。
USW 平台和有效载荷集成部的亚当·谢尔曼（Adam Sherman）组织了这次活动，作为他为期三个月的 NAVSEA 旅程级领导 (JLL) 轮换的一部分。
“当我被邀请组织一个‘Spot Robot Warehouse Challenge Innovation Event’作为我 JLL 轮岗的一部分时，我不知道自己要参加什么，但听起来很有趣，也很不一样，”Sherman 说。“我永远无法想象需要付出多少工作和细节才能使这次活动取得成功。我很幸运拥有一支随时待命的敬业团队。团队中的每个成员都有不同的属性，这些属性对于确保完成所有需要完成的事情具有重要意义。”
挑战
每个参与者都必须具备 Python 编程、成像和基于自主的机器学习方面的一些技能。每位参与者还必须投入 32 小时参加活动，其中包括培训、帮助课程和挑战活动。团队必须在为挑战分配的时间内工作，并且进入仓库的权限有限。
挑战的核心是基于以不同方式识别对象。有一组固定的正好 30 个已知对象和一个定义明确的自治任务。团队被告知每次运行后要提交什么，并尽可能统一评分。有些任务比其他任务更难，因此相应地获得了更多的分数。由于创新活动也是一场竞赛，活动组织者设计了一个挑战和评分标准。
“我们挑战了 30 人，让他们将一个他们从未使用过的机器人带到一个陌生的环境中，并教它如何使用一组大多数人从未尝试过的机器学习技术来搜索和识别物体，”Huntress 说。“最简单的方法是使用 Spot 的内置自主性来记录预定义的路径，并使用提供给他们的基线预训练（但未优化）机器学习模型。没有团队这样做。每个团队都努力扩展自主权并构建更好的机器学习分类器，每个团队都成功了。
“这很重要，因为管道很容易修改，” Huntress 说。“如果识别出一个新的感兴趣的对象，那么就很容易获得/标记新的图像并重新运行模型训练而无需修改。也就是说，管道比机器学习本身更重要。”
最终，让团队更好地了解端到端机器学习管道，让这次活动变得有价值。尽可能过渡到美国海军使用，这一事件表明，除了仓储之外，Spot 还可以协助造船厂的维护任务。
“结果是我所希望的一切。我有那个'啊哈！当我看到这条管道更有价值的那一刻，”亨特雷斯说。“自治方面存在细微差别。工具箱中可以有很多工具，但在将它们放入管道之前，你什么都没有。”
NUWC 纽波特是该国最古老的战争中心，其历史可追溯至 1869 年在纽波特港的山羊岛上建立的海军鱼雷站。由 Chad Hennings 上尉指挥，NUWC 纽波特在佛罗里达州西棕榈滩和安德罗斯设有主要分遣队巴哈马群岛，以及纽约塞内卡湖和费舍尔岛、佛罗里达州利斯堡和康涅狄格州道奇池塘的测试设施。
