Carnegie Mellon hoy mostró nueva investigación en el mundo de la navegación robótica. Con la ayuda del equipo de Facebook AI Research (FAIR), la universidad ha diseñado una navegación semántica que ayuda a los robots a navegar reconociendo objetos familiares.
El sistema SemExp, que superó a Samsung para obtener el primer lugar en un desafío reciente de Habitat ObjectNav, utiliza el aprendizaje automático para entrenar el sistema para que reconozca objetos. Sin embargo, eso va más allá de simples rasgos superficiales. En el ejemplo dado por CMU, el robot puede distinguir una mesa auxiliar de una mesa de cocina y, por lo tanto, extrapolar en qué habitación se encuentra. Sin embargo, eso debería ser más sencillo con una nevera, que es bastante distinta y está restringida en gran medida a una habitación individual.
“El sentido común dice que si está buscando un refrigerador, es mejor que vaya a la cocina”, dijo en un comunicado la estudiante de doctorado en aprendizaje automático Devendra S. Chaplot. “Los sistemas de navegación robótica clásica, por el contrario, exploran un espacio construyendo un mapa que muestra los obstáculos. El robot eventualmente llega a donde debe ir, pero la ruta puede ser tortuosa”.
CMU señala que este no es el primer intento de aplicar la navegación semántica a la robótica, pero los esfuerzos anteriores se han basado demasiado en tener que memorizar dónde estaban los objetos en áreas específicas, en lugar de vincular un objeto a donde era probable que estuviera.
Source link