模型可帮助机器人在搜索对象时像人类一样思考

据密歇根大学的研究，机器人可以通过学习房屋周围不同物体之间的关系来学习如何更快地找到事物。在本文的一个例子中，一种新模型为机器人提供了视觉搜索策略，可以指导机器人在已经看到冰箱的情况下寻找附近的咖啡壶。

这项工作由Chad Jenkins教授和CSE博士领导。学生Zeng Zeng在2020年机器人技术与自动化国际会议上被授予认知机器人技术最佳论文奖。

机器人专家的共同目标是使机器能够在现实的环境中导航，例如，我们所度过的无序，不完美的家庭。这些环境可能是混乱的，没有两个完全相同，机器人会寻找特定的环境。他们从未见过的物体需要将它们从噪音中剔除。

“能够有效地在环境中搜索对象对于服务机器人自主地执行任务至关重要，” 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对象。”

但是房屋并没有完全混乱。我们围绕不同类型的活动来组织空间，并且通常将某些组的项目彼此紧邻地存储或安装。厨房通常装有我们的烤箱，冰箱，微波炉和其他小型炊具;卧室将有我们的梳妆台，床和床头柜;等等。

Zeng和Jenkins提出了一种利用这些常见空间关系的方法。他们的“ SLiM”(语义链接图)模型将机器人内存中的某些“地标对象”与其他相关对象以及有关通常如何在空间上定位的数据相关联。他们使用SLiM来考虑目标对象和地标对象的多个功能，以便使机器人对在环境中如何布置事物有更全面的了解。

他们写道：“当被问到可以在哪里找到目标物体时，人类能够给出相对于其他物体的空间关系所表示的假设位置。” “机器人应该能够类似地推断物体的位置。”

该模型不仅是不同对象之间通常有多近的硬编码-从一天到另一天环顾一个房间，您肯定会看到足够的更改以快速使此工作徒劳。相反，SLiM会考虑对象位置的不确定性。