Исследование Мичигана: роботы осваивают связи между бытовыми предметами для умной навигации в доме
Цель исследования — предоставить практический метод, позволяющий роботам активно искать целевые объекты в сложной среде.
Мы можем не жить в робото-наполненном будущем, о котором мечтали футурологи, но мы приближаемся к нему. Умные колонки с виртуальными ассистентами и роботы-пылесосы стали обыденностью, и в следующем десятилетии мы должны ждать еще больше домашних роботов.
Одной из препятствий, с которыми сталкиваются разработчики, является обучение роботов маневрированию по дому. В этом направлении исследовательская команда Мичиганского университета опубликовала новую модель, обучающую роботов отношениям между бытовыми предметами.
Например, роботу может быть поручено забрать белье из корзины наверху и перенести его в стиральную машину. С помощью модели он может быть обучен понимать, где находятся и корзина, и машина, устраняя необходимость вручную перемещать робота.
«Способность эффективно искать объекты в среде критически важна для сервисных роботов для автономного выполнения задач», — сказала Чжэнь Зэн, соавтор исследования. «Мы предоставляем практический метод, позволяющий роботу активно искать целевые объекты в сложной среде».
Модель, названная SLiM (Semantic Linking Maps — семантические связующие карты), ассоциирует ориентировочные объекты, например холодильник, с другими связанными объектами, например коробкой сока или майонезом. Таким образом, если роботу поручат убрать стол, он будет знать, куда вернуть продукты из холодильника.
Исследователи заявили, что SLiM учитывает неопределенность: например, если корзину для белья переместили, робот не прекратит функционирование, хотя поиск нового местоположения может занять больше времени.
Это активное обновление географических местоположений и связей между объектами должно улучшить долгосрочную производительность роботов, которые иначе могли бы постоянно выключаться из-за изменений в среде.
Roomba стал поворотным моментом для домашних роботов, и большинство последующих роботов копировали его дизайн и функциональность. Однако роботы, представленные командой Мичигана, гораздо более сложны: они способны поднимать предметы и выполнять задачи.
До появления таких роботов еще несколько лет, хотя исследования вроде этого показывают, что они определенно в планах.
Интернет вещей
- Промышленные роботы: проектирование, производство и будущие тренды
- Как IoT и робототехника трансформируют здравоохранение: возможности, риски и реальный импакт
- Как COVID-19 ускорил глобальную роботизированную экосистему
- Ученые раскрывают технику генетического алгоритма для сделать объекты и их наполнители невидимыми
- Роботы учатся узнавать 90+ объектов на ощупь: мультимодальный ИИ Berkeley
- Строки в C#: создание, свойства, методы и лучшие практики
- Промышленные роботы поднимаются: продвижение к интеллекту уровня Ph.D.
- Новый алгоритм сокращает время планирования захвата роботом до долей секунды
- Bin Picking Studio 1.4.0: создание робототехнических сред без CAD-файлов
- Революция в строительстве: передовая робототехника трансформирует строительные материалы