密歇根研究教授机器人家庭对象关系
该研究的目标是提供一种实用的方法，让机器人在复杂环境中主动搜索目标物体。
我们可能不会生活在未来学家曾经梦想过的充满机器人的未来中，但我们正在接近它。内置虚拟助手的扬声器和机器人吸尘器都已司空见惯，我们应该期待在未来十年内会有更多入侵家庭的机器人。
开发人员目前面临的障碍之一是教机器人如何在房子周围移动。为此，密歇根大学的一个研究小组发布了一个新模型，该模型可以训练机器人了解家庭物品之间的关系。
例如，可以指派一个机器人从楼上的篮子中取出衣物并将其移动到洗衣机中。借助该模型，可以对其进行训练以了解篮子和机器的位置，从而无需手动移动机器人。
“能够在环境中高效地搜索目标对于服务机器人自主执行任务至关重要，”该研究的合著者Zhen Zeng说。“我们提供了一种实用的方法，使机器人能够在复杂的环境中主动搜索目标物体。 。”
该模型称为 SLiM（语义链接图），将标志性对象（例如冰箱）与其他相关对象（例如橙汁纸盒或蛋黄酱）相关联。从那以后，如果机器人被要求清理桌子，它就会知道把冰箱里的东西放回它们所属的地方。
研究人员表示，SLiM 解释了不确定性，例如，如果洗衣篮被移动，它不会停止运行，尽管可能需要更长的时间才能找到新的位置。
这种对地理位置和对象之间关系的积极更新应该会提高机器人的长期性能，否则机器人可能会由于环境的变化而不断关闭。
Roomba 是家用机器人的分水岭，之后推出的机器人大多抄袭了它的设计和功能。然而，密歇根团队提出的机器人要复杂得多，能够拾取物体并执行任务。
我们距离那些类型的机器人还有几年的时间，尽管像这样的研究表明它肯定在筹备中。
物联网技术