我们展示了机器人需要避免障碍的假想场景。这种不完善的传感器提供了一个系统，此系统对传感的安全区域具有坚定的信念（蓝色和红线）。机器人决定考虑推论中的所有不确定性，并以非常高的概率确定安全的轨迹（黑色）。左图显示了所提出的方法（Wolfe的算法）非常有效，从而实现了实时决策。

最后，我们想以第一人称视角（FPV）的无人赛车事件为例子来总结，这些赛车事件越来越受欢迎。一般，比赛需要一名无人机操作员坐在椅子上，戴上显示器眼镜，将所有从摄像机拍摄的图像投射在极其敏捷的无人驾驶赛车上。令人难以置信的是，无人车操作员能够通过看似不可能的室内环境来操纵机器，atv直播，同时还能保持非常高的速度。坐落在操作者耳朵之间的重达三磅的物块能够将高维视频反馈转换成四维遥控信号，j2直播，从而以惊人的效率和极高的安全性来引导车辆。在这样的任务中，有可能击败人类大脑的真实环境下的AI agent将体现结构，模拟和安全这三个方面。

作者：AshishKapoor