RoboShape: Information-Theoretic Point Cloud Representations for Privacy-Aware Robot Perception

机器人正越来越多地从实验室走向我们的家庭、医院和工作场所。为了在这些复杂的空间中导航，它们依赖于传感器将世界捕捉为由数百万个微小点组成的云团，从而创建出周围环境的三维地图。这些地图让机器能够识别椅子、避开桌子，或是在拥挤的房间中规划路径。然而，随着机器人将这些地图共享给云端服务器或其他机器以进行相互学习，一个新问题出现了。正是这种使地图对导航极其有用的丰富性，也揭示了居住者极其私密的细节。对客厅的一次扫描可能会显示出一张沙发，但家具的摆放和空间的布局也可以揭示这间房是卧室、家庭办公室还是私人医疗区域——而这些信息是居住者并不想分享的。

多年来，工程师们一直致力于解决效用与隐私之间的这种紧张关系。传统的保护数据方法往往像是一种钝器。在地图中添加随机噪声可能会隐藏房间类型，但也可能模糊掉椅子和门，使机器人变得不再那么有效。其他方法则试图打乱数据或尝试猜测该隐藏什么，但它们缺乏一种精确的方法来衡量究竟还残留了多少隐私信息。核心挑战在于：如何找到一种既能保留机器人执行任务所需的细节，又能精准移除那些会暴露个人私生活的细节，且不降低地图整体质量的方法。

一个研究小组推出了一种名为 RoboShape 的新系统来解决这个问题。他们并没有将整个 3-D 地图视为一个不可分割的数据块，而是将其分解成被称为“体素”（voxels）的小型、易于处理的块。可以将体素想象成一个代表微小空间立方体的三维像素。研究人员首先使用了一个强大的预训练计算机程序，该程序已经很好地学习了理解这些块的方法。该程序将 3-D 地图中的每个块转换为一组长数字列表，即“嵌入”（embedding），它捕捉了机器人对该特定位置了解的一切，包括它看到的物体以及房间的类型。

创新之处在于接下来的步骤。研究人员在这个现有程序之上添加了一个轻量级的、可训练的层。这个新层就像一个过滤器，将长数字列表重新塑造成一个短得多的列表。这种重塑过程是由一个被称为“互信息”（mutual information）的数学原理引导的，该原理本质上衡量了一份数据在多大程度上能告知另一份数据。该系统接受两项相互对立的指令进行训练：第一，它被要求尽可能多地保留关于物体本身的信息，以确保机器人仍能识别出椅子或书桌；第二，它被要求尽可能多地移除关于房间类型的信息，以确保机器人无法判断自己是在卧室还是浴室。

为了教导系统如何在这些竞争目标之间取得平衡，研究人员使用了一种特定的方法来估算训练期间的信息流。他们将地图中的每个小块视为一个独立的样本，从而能够精确测量缩短后的数字列表仍然透露了多少关于房间类型的信息。通过调整过滤器以最大化与物体的连接并最小化与房间的连接，系统学会了显著压缩数据。结果是，其表示形式比原始数据缩小了 87.5%，这使得通过网络传输变得更加廉价和快速。

研究人员在包含数千个室内场景（从单个房间到整栋建筑）的三个不同现实世界数据集上测试了这种方法。他们将自己的方法与仅仅添加噪声或使用随机压缩的标准技术进行了对比。结果显示，该系统保留了 98.7% 的物体识别能力，这意味着机器人执行任务的能力几乎与之前一样出色。与此同时，系统降低了通过数据猜测房间类型的能力 39.3%。在一项测试中，当标准计算机程序几乎可以完美地从原始数据中识别房间类型时，使用新压缩数据后的猜测效果甚至不如随机猜测。

为了确保这些发现能在现实场景中站得住脚，研究人员还在虚拟环境中模拟了一个机器人导航的过程。他们训练一个机器人去寻找一面墙，这项任务需要理解空间的几何结构。使用新压缩数据的机器人表现得几乎与使用完整未压缩数据的机器人一样好。然而，当他们测试机器人是否能专门基于房间类型来进行导航（例如，如果是在卧室，则移动到不同的区域）时，使用新数据的机器人未能学会这种模式。它仍然可以找到绕过家具的路径，但它已经失去了识别所处空间性质的能力。

这项工作证明，设计出既紧凑又具备隐私意识的机器人感知系统是可能的。通过利用信息论来引导压缩过程，研究人员创造了一个工具，让机器人能够在展示所见的同时，不泄露其所处的位置。该系统旨在与任何现有的 3-D 测绘技术配合使用，为构建随时可以部署到人类环境中的感知流水线提供了一种切实可行的方法。研究人员已向公众发布了他们的代码和模型，为机器人领域提供了一种构建既能尊重进入空间隐私，又能履行职责的机器的方法。