（a） CNN模块的体系结构，（b） 过早碰撞预测模块，（c） 研究人员开发的目标检查模块。
在过去十年左右，机器人学家开发了日益复杂的机器人系统，可以帮助人类完成各种任务，无论是在家里还是在其他环境中。但是，为了帮助用户，这些系统应该能够有效地导航和探索其周围环境，而不会与附近的其他物体碰撞。
虽然现在有许多导航系统和技术，但大多数机器人的移动性仍然相当有限，特别是在未知和未映射的环境中。大多数现有的导航方法有两个主要组成部分：一个设计为构建机器人可以用作参考的地图（例如，同步定位和制图技术），另一个为机器人生成无碰撞或最佳路径（例如，概率路线图或快速探索随机树木）。
虽然其中一些方法取得了可喜的结果，但它们往往对机器人传感器拾取的噪音高度敏感。因此，它们通常严重依赖地图，在动态或快速变化的环境中表现不佳。不依赖地图的深度学习导航方法最终有助于克服这些系统的局限性。
南京航空航天大学和中国国防工业大学的研究人员最近开发出一种新系统，能够更有效地在室内环境中进行机器人导航。该系统不依赖于预定义的地图，而是使用一种称为生成模拟学习的训练方法，使机器人能够导航周围环境并实现他们的目标。
研究人员在论文中写道："我们的方法将机器人和目标作为输入，在每个时间步数提供一系列动作，在运行时无需依赖测光仪或GPS即可将机器人移动到目标。
研究人员设计的导航系统有三个关键组成部分。第一个是一个基于人类演示训练的变异生成模块，该模块旨在预测机器人在开始规划其操作之前的环境变化。
第二个组件预测静态碰撞，提高机器人导航的安全性。最后，目标检查模块考虑机器人试图实现的最终操作或目标，利用这些信息来设计更有效的导航策略。
研究人员在论文中解释道："这三种拟议设计都有助于提高训练数据效率、静态碰撞避免和导航泛化性能，从而形成新型的目标驱动无地图导航系统。
今后，南京航空航天大学和国防工业大学研究小组引进的新系统可用于增强其他机器人的导航能力，这些机器人设计用于在人们家中、办公室或其他室内环境中运行。此外，该系统取得的成果可以激励其他研究人员创建类似的工具，使机器人中的目标驱动导航更加高效。
到目前为止，导航系统在一系列实际实验中进行了评估，该实验使用海龟机器人（Turtlebot）进行，这是一个低成本的机器人平台，由威洛车库的两名工程师创建。这些测试的结果非常有希望，因为该系统很容易集成到机器人中，并允许它更有效地在室内环境中导航。
