Une étude du Michigan montre des robots maîtrisant les relations entre objets domestiques pour une navigation domestique plus intelligente

L'objectif de la recherche est de fournir une méthode pratique permettant aux robots de rechercher activement des objets cibles dans un environnement complexe.

Nous ne vivons peut-être pas encore dans le futur rempli de robots rêvé par les futurologes, mais nous nous en rapprochons. Les enceintes avec assistants virtuels intégrés et les aspirateurs robots sont devenus courants, et nous devrions nous attendre à encore plus de robots domestiques dans la prochaine décennie.

L'un des obstacles auxquels les développeurs sont actuellement confrontés est d'apprendre aux robots à se déplacer dans la maison. À cette fin, une équipe de recherche de l'Université du Michigan a publié un nouveau modèle qui entraîne les robots sur les relations entre les objets domestiques.

Comprendre les relations spatiales et fonctionnelles

Par exemple, un robot peut se voir confier la tâche de prendre du linge dans un panier à l'étage et de le déplacer dans la machine à laver. Grâce au modèle, il peut être entraîné à comprendre où se trouvent à la fois le panier et la machine, éliminant le besoin de déplacer le robot manuellement.

« Pouvoir rechercher efficacement des objets dans un environnement est crucial pour que les robots de service puissent accomplir des tâches de manière autonome », a déclaré Zhen Zeng, co-auteur de l'étude. « Nous fournissons une méthode pratique qui permet au robot de rechercher activement des objets cibles dans un environnement complexe. »

Le modèle, appelé SLiM (Semantic Linking Maps), associe des objets repères, comme un réfrigérateur, à d'autres objets connexes, comme une brique de jus d'orange ou de la mayonnaise. Ainsi, si un robot reçoit l'ordre de nettoyer la table, il saura remettre les articles du réfrigérateur à leur place.

Les chercheurs ont indiqué que SLiM tient compte de l'incertitude, par exemple si le panier à linge a été déplacé, il ne cessera pas de fonctionner, bien qu'il puisse prendre plus de temps pour trouver le nouvel emplacement.

Ce renouvellement actif des emplacements géographiques et des relations entre objets devrait améliorer les performances à long terme des robots, qui sinon s'arrêteraient constamment en raison d'un changement dans l'environnement.

Le Roomba a été un moment charnière en matière de robots domestiques, et la plupart des robots lancés depuis ont copié sa conception et sa fonctionnalité. Cependant, les robots présentés par l'équipe du Michigan sont bien plus sophistiqués, capables de ramasser des objets et d'effectuer des tâches.

Nous sommes encore à quelques années de ce type de robots, bien que des recherches comme celle-ci montrent qu'ils sont définitivement en préparation.