MIT helpt ontwerpers robots te laten bewegen in complexe ruimte

Robotstofzuigers hebben daar nog meer last van dan robotmaaiers. Hun sensoren en aansturing zijn ondanks vele jaren werk nog altijd niet goed geschikt voor het omgaan met huisraad die regelmatig verschuift, of gebruiksvoorwerpen die rondzwerven. Onderzoekers van het Massachusetts Institute of Technology (MIT) in Boston hebben een neuraal netwerk ontwikkeld dat robots veel beter geschikt moet maken voor het omgaan met zulke complexe omgevingen, schrijft TechCrunch. De oplossing van MIT heet PIGINet, wat staat voor Plans, Images, Goal en Initial facts.

Het systeem moet als input een plan krijgen voor wat er bereikt moet worden, beelden van de omgeving waarin moet worden gewerkt en een gecodeerde representatie van de uitgangstoestand en het te bereiken doel. Vervolgens gaat het systeem zelf aan het combineren met de plannen, afbeeldingen en tekst om een voorspelling te maken van de haalbaarheid van de taak.

Veel sneller een actieplan klaar

Het neuraal netwerk is getraind op een grote hoeveelheid data van gesimuleerde huizen. Vooralsnog gaat het om activiteiten in de keuken. In simpeler omgevingen kan de tijd die nodig is om een plan voor de robot te maken met 80% worden verminderd. In complexere situaties varieert dat tussen 20 en 50%.

Uiteindelijk blijven de toepassingsmogelijkheden van PIGINet niet beperkt tot robots die zich in een huiselijke omgeving bewegen. Een van de PhD-studenten in het MIT-team - Zhutian Yang - verwacht PIGINet zo te kunnen verbeteren dat het systeem zelf onhaalbare plannen verwerpt en vervolgens met een alternatief plan komt zonder dat daar grote datasets voor nodig zijn. Daarmee zou het trainen van robots sterk kunnen verbeteren.