为什么家用的机器人比较少，没有更多的机器人应用于家庭中？因为对于机器人而言，家庭环境是非常复杂的场所。
人工智能机器人的自主系统首先在仓库和工厂上蓬勃发展，很大一部分原因是在结构化的环境中导航相对容易。
当然，大多数系统仍然需要在开始工作前绘制空间图，但一旦绘制好空间图了，往往就没有什么变化了。
然而，家庭房屋对机器人来说，可谓是一场噩梦。
因为家庭房屋不仅结构复杂，在不同的单元之间有很大的差异，还充满了各种对机器人来说非常不友好的障碍。
并且往往这些障碍还是相对动态的，因为家具会被移来移去，或者是经常有东西留在地板上。
即便是家庭中最流行的吸尘器，在上市几十年后仍在不断完善。
本周，麻省理工学院（MIT）计算机科学与人工智能实验室（CSAIL）的研究人员展示了一项名为PIGINet的研究成果。
PIGINet是一个基于计划、图像、目标和初始事实的模型，PIGINet将引入家庭机器人系统中，旨在提高机器人对复杂任务的理解和规划能力，帮助它们提高在不同环境中制定行动计划的能力。
MIT 是这样解释 PIGINet 的：
它采用了一个变压器编码器，这是一个多功能的、最先进的模型，旨在对数据序列进行操作。
在这种情况下，输入序列，可以是它正在考虑的任务计划的信息、环境的图像、以及初始状态和期望目标的符号编码等等。
编码器将任务计划、图像和文本结合起来，生成关于所选任务计划的可行性的预测。
目前，该系统主要集中于厨房活动。
它利用模拟的家庭环境来制定需要与环境中各种不同元素（如柜台、橱柜、冰箱、水槽等）进行交互的计划。
研究人员表示，在更简单的场景中，PIGINet 能够将计划时间减少 80% 。对于更复杂的情况，该数字通常约为 20-50%。
该团队认为，家庭房屋只是一个开始。“PIGINet 的实际应用并不局限于家庭。”博士生 Zhutian Yang 说道。
“我们未来的目标是进一步完善 PIGINet，在识别不可行的操作后提出替代任务计划，这将进一步加快可行任务计划的生成速度，而不需要大数据集来从头开始训练通用的规划器。”
“我们相信，这可能会彻底改变机器人在开发过程中的训练方式，然后将其应用于每个人的家庭。”
发布者：5840，转转请注明出处：https://www.5840.cn/lives/246.html
评论列表（0条）