Studie in Michigan leert robots relaties met huishoudelijke objecten

We leven misschien niet in de toekomst vol robots waar futuristen ooit van gedroomd hebben, maar we komen er wel dichterbij. Luidsprekers met virtuele assistenten binnenin en robotstofzuigers zijn beide gemeengoed, en we zouden de komende tien jaar nog meer bots kunnen verwachten die het huis binnendringen.

Een van de hindernissen waarmee ontwikkelaars momenteel worden geconfronteerd, is het leren van robots hoe ze door het huis moeten manoeuvreren. Daartoe heeft een onderzoeksteam van de Universiteit van Michigan een nieuw model gepubliceerd, dat robots traint op de relaties tussen huishoudelijke voorwerpen.

Een robot kan bijvoorbeeld de opdracht krijgen om de was uit de mand naar boven te halen en in de wasmachine te verplaatsen. Met het model kan het worden getraind om te begrijpen waar zowel de mand als de machine is, zodat de robot niet handmatig hoeft te worden verplaatst.

"Efficiënt kunnen zoeken naar objecten in een omgeving is cruciaal voor servicerobots om autonoom taken uit te voeren", zegt Zhen Zeng, co-auteur van het onderzoek. "We bieden een praktische methode waarmee de robot actief naar doelobjecten kan zoeken in een complexe omgeving .”

Het model, genaamd SLiM (Semantic Linking Maps), associeert historische objecten, zoals een koelkast, met andere gerelateerde objecten, zoals een sinaasappelsap of mayonaise. Als een robot wordt gevraagd om de tafel schoon te maken, weet hij daardoor dat hij koelkastitems terug moet zetten waar ze horen.

De onderzoekers zeiden dat SLiM de onzekerheid verklaart, bijvoorbeeld als de wasmand is verplaatst, zal deze niet stoppen met functioneren, hoewel het langer kan duren om de nieuwe locatie te vinden.

Deze actieve vernieuwing van geografische locaties en relaties tussen objecten zou de prestaties op lange termijn van robots moeten verbeteren, die anders constant zouden kunnen stoppen als gevolg van een verandering in de omgeving.

De Roomba was een keerpunt in termen van huishoudelijke robots, en de meeste robots die werden gelanceerd, hebben het ontwerp en de functionaliteit ervan gekopieerd. De robots die door het Michigan-team worden gepresenteerd, zijn echter veel geavanceerder, in staat om objecten op te pikken en taken uit te voeren.

We zijn nog een paar jaar verwijderd van dat soort robots, hoewel uit onderzoek als dit blijkt dat het zeker in de pijplijn zit.