密歇根大学研究：机器人掌握家居物品关系实现更智能导航
研究旨在提供实用方法，让机器人在复杂环境中主动搜索目标物体。
虽然我们尚未生活在未来学家曾梦想的机器人充斥的未来，但正逐步逼近。内置虚拟助手的智能音箱和扫地机器人已普及，未来十年将有更多家用机器人进入生活。
开发者面临的难题之一是教会机器人在房屋内灵活移动。为此，密歇根大学研究团队发布新模型，训练机器人理解家居物品间的关系。
例如，机器人被指派将楼上篮子里的脏衣服送入洗衣机。借助该模型，机器人可理解篮子和洗衣机的位置，无需人工搬运即可完成任务。
研究共同作者Zhen Zeng表示：「高效搜索环境中的物体，对服务机器人自主执行任务至关重要。我们提供了一种实用方法，使机器人能在复杂环境中主动搜索目标物体。」
SLiM模型：语义关联地图
该模型名为SLiM（语义关联地图），将地标物体（如冰箱）与相关物体（如果汁盒、蛋黄酱）建立关联。因此，当机器人被要求清理餐桌时，它知道将冰箱物品归位。
研究人员指出，SLiM考虑了不确定性——若洗衣篮被移动，机器人不会停止工作，只是寻找新位置需更长时间。这种地理位置和物体关系的动态更新，应能提升机器人长期性能，避免因环境变化频繁关机。
Roomba扫地机是家用机器人的里程碑，后续大多模仿其设计。但密歇根团队展示的机器人更复杂，能拾取物体并执行任务。虽距离普及尚需数年，但此类研究表明前景可期。
物联网技术