根據(jù)密歇根大學(xué)的研究，機(jī)器人可以通過學(xué)習(xí)房屋周圍不同物體之間的關(guān)系來學(xué)習(xí)如何更快地找到事物。在本文的一個示例中，一種新模型為機(jī)器人提供了視覺搜索策略，可以指導(dǎo)機(jī)器人在已經(jīng)看到冰箱的情況下尋找附近的咖啡壺。

這項(xiàng)工作由Chad Jenkins教授和CSE博士領(lǐng)導(dǎo)。學(xué)生Zeng Zeng在2020年機(jī)器人技術(shù)與自動化國際會議上被授予認(rèn)知機(jī)器人技術(shù)最佳論文獎。

機(jī)器人專家的共同目標(biāo)是使機(jī)器具有在現(xiàn)實(shí)環(huán)境中導(dǎo)航的能力，例如，我們所生活的無序，不完善的家庭。這些環(huán)境可能是混亂的，沒有兩個完全相同，并且機(jī)器人會尋找特定的環(huán)境。他們從未見過的物體需要將它們從噪音中剔除。

“能夠有效地在環(huán)境中搜索對象對于服務(wù)機(jī)器人自主地執(zhí)行任務(wù)至關(guān)重要，” Zeng說。“我們提供了一種實(shí)用的方法，使機(jī)器人能夠在復(fù)雜的環(huán)境中主動搜索目標(biāo)對象。”

但是房屋并沒有完全混亂。我們圍繞不同類型的活動組織空間，通常將某些組的項(xiàng)目存儲或安裝在彼此附近。廚房通常裝有我們的烤箱，冰箱，微波爐和其他小型烹飪用具;臥室將有我們的梳妝臺，床和床頭柜;等等。

Zeng和Jenkins提出了一種利用這些常見空間關(guān)系的方法。他們的“ SLiM”（語義鏈接圖）模型將機(jī)器人內(nèi)存中的某些“地標(biāo)對象”與其他相關(guān)對象以及有關(guān)通常如何在空間上定位的數(shù)據(jù)相關(guān)聯(lián)。他們使用SLiM來考慮目標(biāo)對象和地標(biāo)對象的多個功能，以便使機(jī)器人對在環(huán)境中如何布置事物有更全面的了解。

他們寫道：“當(dāng)被問到可以在哪里找到目標(biāo)物體時，人類能夠給出相對于其他物體的空間關(guān)系所表示的假設(shè)位置。” “機(jī)器人應(yīng)該能夠?qū)ξ矬w的位置做出類似的推理。”

該模型不僅是不同對象之間通常有多近的硬編碼-從一天到另一天環(huán)顧一個房間，您肯定會看到足夠的更改以快速使此工作徒勞。相反，SLiM會考慮對象位置的不確定性。

作者在論文中對該項(xiàng)目進(jìn)行了解釋：“以前的作品假定地標(biāo)物體是靜態(tài)的，因?yàn)樗鼈兇蠖啾Ａ粼谏洗斡^察到的位置。” 為了克服這一限制，研究人員使用了一種因子圖（一種表示概率分布的特殊圖）來概率地建模不同對象之間的關(guān)系。

了解了可能存在的拖曳對象關(guān)系后，SLiM指導(dǎo)機(jī)器人探索可能包含目標(biāo)或地標(biāo)對象的有希望的區(qū)域。這種搜索方法基于以前的發(fā)現(xiàn)，這些發(fā)現(xiàn)表明首先定位地標(biāo)（間接搜索）比簡單地尋找目標(biāo)（直接搜索）要快。詹金斯（Zenkins）和曾（Zeng）使用的模型是兩者的混合體。

圖片來源：密歇根大學(xué)

在實(shí)驗(yàn)中，該團(tuán)隊(duì)在相同的模擬環(huán)境中測試了五個不同搜索模型的性能。一種是天真的直接搜索，不了解對象的空間關(guān)系，而其余四個則使用SLiM的空間映射結(jié)合不同的搜索策略或起始優(yōu)勢：

使用已知的先前位置直接搜索目標(biāo)，但不考慮對象可能已移動的任何可能性

使用已知的先前位置直接搜索目標(biāo)，該目標(biāo)說明了對象可能已移動的可能性

直接搜索，無需事先知道對象的位置

混合搜索，無需事先了解對象的位置。

最后，SLiM與混合搜索相結(jié)合成功地在每個測試中找到了路線最直接，搜索時間最少的目標(biāo)對象。

這項(xiàng)工作發(fā)表在論文“用于主動視覺對象搜索的語義鏈接圖”中。