Michigan-Studie lehrt Roboter-Haushalts-Objekt-Beziehungen

Ziel der Forschung ist es, eine praktikable Methode bereitzustellen, mit der Roboter in einer komplexen Umgebung aktiv nach Zielobjekten suchen können.

Wir leben vielleicht nicht in der Zukunft voller Roboter, wie sie einst von Futuristen geträumt wurde, aber wir kommen ihr immer näher. Lautsprecher mit eingebauten virtuellen Assistenten und Roboter-Staubsauger sind alltäglich, und wir sollten in den nächsten zehn Jahren mit noch mehr ins Haus eindringenden Bots rechnen.

Eine der Hürden, denen Entwickler derzeit gegenüberstehen, besteht darin, Robotern beizubringen, wie man sich im Haus bewegt. Zu diesem Zweck hat ein Forschungsteam der University of Michigan ein neues Modell veröffentlicht, das Roboter auf die Beziehungen zwischen Haushaltsgegenständen trainiert.

Beispielsweise kann ein Roboter damit beauftragt werden, Wäsche aus dem Korb im Obergeschoss zu nehmen und sie in die Waschmaschine zu transportieren. Mit dem Modell kann ihm beigebracht werden, zu verstehen, wo sich sowohl der Korb als auch die Maschine befinden, sodass der Roboter nicht mehr manuell bewegt werden muss.

„Die effiziente Suche nach Objekten in einer Umgebung ist für Serviceroboter entscheidend, um Aufgaben autonom ausführen zu können“, sagt Zhen Zeng, Co-Autor der Studie. „Wir stellen eine praktische Methode bereit, die es dem Roboter ermöglicht, aktiv nach Zielobjekten in einer komplexen Umgebung zu suchen .“

Das Modell mit dem Namen SLiM (Semantic Linking Maps) verknüpft markante Objekte wie einen Kühlschrank mit anderen verwandten Objekten wie einem Orangensaftkarton oder einer Mayonnaise. Wenn Arobot gebeten wird, den Tisch zu reinigen, weiß er daher, dass er die Kühlschrankartikel dorthin zurückstellen muss, wo sie hingehören.

Die Forscher sagten, dass SLiM Unsicherheiten berücksichtigt, zum Beispiel wenn der Wäschekorb bewegt wurde, wird er nicht aufhören zu funktionieren, obwohl es länger dauern könnte, den neuen Standort zu finden.

Diese aktive Erneuerung von geografischen Orten und Beziehungen zwischen Objekten sollte die langfristige Leistung von Robotern verbessern, die andernfalls aufgrund einer Änderung in der Umgebung ständig herunterfahren könnten.

Der Roomba war ein Wendepunkt in Bezug auf Haushaltsroboter, und die meisten Roboter, die danach auf den Markt kamen, haben das Design und die Funktionalität davon kopiert. Die vom Michigan-Team vorgestellten Roboter sind jedoch weit ausgefeilter und in der Lage, Objekte aufzunehmen und Aufgaben auszuführen.

Wir sind noch ein paar Jahre von diesen Robotertypen entfernt, obwohl Untersuchungen wie diese zeigen, dass sie definitiv in der Pipeline sind.