(资料图)

为什么家庭中没有更多的机器人？因为家庭是令人惊讶的复杂场所。自主系统首先在仓库和工厂地板上蓬勃发展的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，但一旦绘制好了，往往就没有什么变化了。

另一方面，住宅则是一场噩梦。它们不仅在不同的单元之间有很大的差异，而且充满了不友好的障碍物，而且往往是相当动态的，因为家具被移来移去或东西被留在地板上，这使得吸尘器一直是家庭中最普遍的机器人，它们在市场上销售了几十年后仍在不断完善。

本周，麻省理工学院CSAIL的研究人员展示了PIGINet（计划、图像、目标和初始事实），它旨在为家用机器人系统带来任务和运动规划。该神经网络旨在帮助精简它们在不同环境中制定行动计划的能力。

麻省理工学院这样解释PIGINet：

[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，输入序列是关于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。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。]

该系统目前主要集中在基于厨房的活动上。它利用模拟的家庭环境来建立计划，这些计划需要与环境中各种不同的元素互动，如台面、橱柜、冰箱、水槽等。研究人员说，在较简单的情况下，PIGINet能够减少80%的计划时间。对于更复杂的情况，这个数字一般为20-50%左右。

该团队认为，房屋里的运用只是一个开始。

"PIGINet的实际应用并不局限于家庭，"博士生杨竹田说。"我们未来的目标是进一步完善PIGINet，在识别出不可行的行动后提出替代的任务计划，这将进一步加快可行任务计划的生成，而不需要大数据集来从头训练一个通用的计划器。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，然后应用到每个人的家中"。