Почему в домах мало роботов? Это сложный и неожиданный вопрос, а наши дома — удивительно сложные места. Большая часть того, почему автономные системы процветают на складах и фабриках, — это, в первую очередь, относительная простота навигации в структурированной среде. Конечно, большинству систем по-прежнему требуется отобразить пространство, прежде чем приступить к работе, но как только это будет сделано, обычно мало вариаций.
Дома, с другой стороны, что-то вроде кошмара. Они не только сильно различаются от юнита к юниту, но и полны враждебных препятствий и, как правило, довольно динамичны, когда мебель перемещается или предметы остаются на полу. Пылесосы — самые распространенные роботы в доме, и они все еще совершенствуются после десятилетий на рынке.
На этой неделе исследователи из MIT CSAIL представляют ПИГИнет (Планы, изображения, цель и исходные факты), который предназначен для переноса задач и планирования движения в домашние роботизированные системы. Нейронная сеть предназначена для того, чтобы упростить их способность создавать планы действий в различных средах.
MIT объясняет PIGINet следующим образом:
[I]Он использует энкодер на основе трансформатора, универсальную, современную конструкцию, предназначенную для работы с последовательностями данных. Входная последовательность в этом случае состоит из информации о предполагаемом плане задачи, образах окружающей среды и символических кодировках исходного состояния и желаемой цели. Кодер объединяет планы задач, изображения и текст, чтобы сгенерировать прогноз относительно выполнимости выбранного плана задач.
В настоящее время система в основном ориентирована на работу на кухне. Он опирается на моделируемую домашнюю среду для создания планов, требующих взаимодействия с различными элементами среды, такими как прилавки, шкафы, холодильник, раковины и т. д. Исследователи утверждают, что в более простых сценариях PIGINet удалось сократить время планирования на 80%. . Для более сложных ситуаций это число обычно составляло около 20-50%.
Команда предполагает, что дома — это только начало.
«Практическое применение PIGINet не ограничивается домохозяйствами, — объясняет докторант Жутян Ян. «Наша будущая цель — усовершенствовать PIGINet, чтобы предлагать альтернативные планы задач после выявления невыполнимых действий, что еще больше ускорит создание выполнимых планов задач без необходимости больших наборов данных для обучения планировщика общего назначения с нуля. Мы считаем, что это может революционизировать как роботы обучаются во время разработки, а затем применяются в каждом доме».
