如果機器人知道A點是客廳沙發(fā)，而B點是冰箱，即使它不在一個陌生的地方，從A點到B點的機器人也會更有效率。這就是卡內(nèi)基·梅隆大學(xué)和Facebook AI Research(FAIR)開發(fā)的“語義”導(dǎo)航系統(tǒng)背后的常識性想法。

這種名為SemExp的導(dǎo)航系統(tǒng)上個月在虛擬計算機視覺和模式識別會議上贏得了人居ObjectNav挑戰(zhàn)賽，該會議由來自三星研究中國的團隊組成。這是CMU團隊在年度挑戰(zhàn)賽中連續(xù)第二次獲得第一名。

SemExp(即目標(biāo)導(dǎo)向的語義探索)使用機器學(xué)習(xí)訓(xùn)練機器人識別物體(例如，知道廚房桌子和茶幾之間的區(qū)別)，并了解在家里的何處可能發(fā)現(xiàn)這些物體。博士學(xué)位的Devendra S. Chaplot說，這使系統(tǒng)可以戰(zhàn)略性地思考如何搜索事物。CMU機器學(xué)習(xí)系的學(xué)生。

Chaplot說：“常識說，如果您要買冰箱，最好去廚房。” 相比之下，經(jīng)典的機器人導(dǎo)航系統(tǒng)通過構(gòu)建顯示障礙物的地圖來探索空間。機器人最終到達了需要去的地方，但是路線可能是circuit回的。

以前使用機器學(xué)習(xí)來訓(xùn)練語義導(dǎo)航系統(tǒng)的嘗試受到了阻礙，因為它們傾向于記住對象及其在特定環(huán)境中的位置。這些環(huán)境不僅復(fù)雜，而且系統(tǒng)通常難以將其學(xué)到的知識推廣到不同的環(huán)境。