미시간 연구, 로봇에 대한 가정 개체 관계 교육

연구의 목표는 로봇이 복잡한 환경에서 대상 물체를 능동적으로 검색할 수 있는 실용적인 방법을 제공하는 것입니다.

우리는 미래학자들이 꿈꾸던 로봇이 가득한 미래에 살지 않을 수도 있지만, 점점 더 가까워지고 있습니다. 내부에 가상 비서가 있는 스피커와 로봇 청소기는 모두 흔한 일이며 앞으로 10년 동안 더 많은 가정 침입 봇이 나타날 것으로 예상됩니다.

개발자들이 현재 직면하고 있는 장애물 중 하나는 로봇에게 집 주변을 움직이는 방법을 가르치는 것입니다. 이를 위해 미시간 대학의 연구팀은 가정용 물건 간의 관계에 대해 로봇을 훈련시키는 새로운 모델을 발표했습니다.

예를 들어, 로봇은 위층 바구니에서 세탁물을 가져와 세탁기로 옮기도록 할당될 수 있습니다. 이 모델을 사용하면 바구니와 기계가 모두 있는 위치를 이해하도록 훈련할 수 있으므로 로봇을 수동으로 이동할 필요가 없습니다.

이 연구의 공동 저자인 Zhen Zeng은 “서비스 로봇이 자율적으로 작업을 수행하려면 환경에서 객체를 효율적으로 검색할 수 있어야 하는 것이 중요합니다. 우리는 로봇이 복잡한 환경에서 대상 객체를 능동적으로 검색할 수 있도록 하는 실용적인 방법을 제공합니다. .”

SLiM(Semantic Linking Maps)이라는 모델은 냉장고와 같은 랜드마크 개체를 오렌지 주스 상자나 마요네즈와 같은 다른 관련 개체와 연결합니다. 이를 통해 로봇이 테이블을 청소하도록 요청하면 냉장고 품목을 원래 있던 위치로 되돌려 놓는 것을 알 수 있습니다.

연구원들은 SLiM이 불확실성을 설명한다고 말했습니다. 예를 들어 세탁 바구니가 옮겨진 경우 새 위치를 찾는 데 시간이 더 오래 걸릴 수 있지만 기능이 중지되지는 않을 것입니다.

이러한 지리적 위치 및 객체 간의 관계의 적극적인 갱신은 환경 변화로 인해 지속적으로 중단될 수 있는 로봇의 장기적인 성능을 향상시켜야 합니다.

룸바는 가정용 로봇의 분수령이 되었고, 이후 출시된 대부분의 로봇은 디자인과 기능을 모방했습니다. 그러나 Michigan 팀이 제시한 로봇은 훨씬 더 정교하여 물체를 집고 작업을 수행할 수 있습니다.

이와 같은 연구에 따르면 확실히 파이프라인에 있음을 보여주지만 우리는 이러한 유형의 로봇에서 아직 몇 년 떨어져 있습니다.